ESOD：基于边缘的目标检测任务调度
计算机视觉与模式识别
2021-10-25 v1 机器学习
摘要
移动系统上的目标检测在各方面均为一项挑战。如今已设计了许多目标检测模型，其中大多数聚焦于精度。然而，这些模型在移动系统上的计算负担令人难以接受。研究者通过牺牲精度设计了一些面向移动的轻量网络。我们提出一种新颖的基于边缘的目标检测任务调度框架（称为ESOD）。具体而言，我们训练了一个DNN模型（称为预模型）以根据图像任务的物理特性（如亮度、饱和度）预测对即将到来的任务使用哪个目标检测模型并卸载至哪些边缘服务器。结果表明，与SOTA DETR模型相比，ESOD可分别平均降低延迟与能耗22.13%和29.60%，并将mAP提升至45.8（mAP提高0.9）。
引用
@article{arxiv.2110.11342,
title = {ESOD:Edge-based Task Scheduling for Object Detection},
author = {Yihao Wang and Ling Gao and Jie Ren and Rui Cao and Hai Wang and Jie Zheng and Quanli Gao},
journal= {arXiv preprint arXiv:2110.11342},
year = {2021}
}
备注
Accepted by The Ninth International Conference on Advanced Cloud and Big Data