Focus：以低延迟与低成本查询大规模视频数据集
数据库
2018-01-11 v1 计算机视觉与模式识别
分布式、并行与集群计算
摘要
大量视频持续从用于交通管制和监控的摄像头中录制，目的是回答“事后”查询：从多日录制的视频中识别含有特定类别对象（汽车、包等）的视频帧。尽管卷积神经网络(CNN)的进步已能以高精度回答此类查询，但其代价过高且速度过慢。我们构建了 Focus，一个用于大规模视频数据集上低延迟、低成本查询的系统。Focus 使用廉价的摄取技术按视频中出现的对象对视频建立索引。在摄取时，它利用压缩和针对视频定制的 CNN。Focus 通过在查询时审慎地借助昂贵的 CNN 来处理廉价 CNN 较低的精度。为降低查询时间延迟，我们对相似对象进行聚类，从而避免冗余处理。在来自交通、监控和新闻频道的视频流上的实验表明，Focus 使用的 GPU 周期比运行昂贵的摄取处理器少 58 倍，且比在查询时处理所有视频快 37 倍。
引用
@article{arxiv.1801.03493,
title = {Focus: Querying Large Video Datasets with Low Latency and Low Cost},
author = {Kevin Hsieh and Ganesh Ananthanarayanan and Peter Bodik and Paramvir Bahl and Matthai Philipose and Phillip B. Gibbons and Onur Mutlu},
journal= {arXiv preprint arXiv:1801.03493},
year = {2018}
}