事半功倍：手机上的近实时图像聚类
计算机视觉与模式识别
2015-12-10 v1 分布式、并行与集群计算
性能
摘要
机器学习算法与用户数据相结合，有望彻底改变我们与手机交互的方式，而它们在应用设计中的广泛采用也证明了这一前景。然而，目前学习流水线中计算昂贵的环节（如特征提取和模型训练）被卸载到云端，导致对网络的过度依赖以及移动平台可用计算资源的利用不足。在本文中，我们表明，通过组合分布在多部手机上的计算能力、审慎的优化选择以及上下文信息，可以高效地在网络边缘的手机上完全执行端到端的流水线。我们还表明，通过利用这种组合的力量，可以以近实时执行计算昂贵的流水线。为了演示我们的方法，我们在一组手机上实现了端到端图像处理流水线——包括特征提取、词汇学习、向量化和图像聚类。我们的结果显示，与未经修改在手机上运行的标准完整流水线实现相比，有75%的提升——在某些条件下将时间缩短至一分钟以内。我们相信这一结果是一个有前景的指示，即在移动手机网络上完全分布式、无基础设施的计算是可能的；从而启用一类对云依赖更少的新型移动应用。
引用
@article{arxiv.1512.02972,
title = {Get More With Less: Near Real-Time Image Clustering on Mobile Phones},
author = {Jorge Ortiz and Chien-Chin Huang and Supriyo Chakraborty},
journal= {arXiv preprint arXiv:1512.02972},
year = {2015}
}