Musical Chair：基于协作式物联网设备的高效实时识别
计算机视觉与模式识别
2018-03-22 v3 硬件体系结构
摘要
物联网（IoT）设备的普及与传感器数据的激增，推动了语音、图像和视频等实时数据处理需求的增长。尽管当前此类处理通常卸载至算力强大的云端系统，但本地化与分布式方案更为可取，因为（i）其保护用户隐私，（ii）其摆脱了对云服务的依赖。然而，物联网网络通常由资源受限设备组成，单一设备不足以处理实时数据。为克服该挑战，我们在深度神经网络背景下研究了此类设备的数据并行与模型并行。我们提出 Musical Chair，通过汇聚同一物联网网络中作为输入端传感器的资源受限设备的聚合算力，实现高效、本地化且动态的实时识别。Musical Chair 在运行时适应计算设备的可用性，并顺应物联网网络固有的动态性。为验证 Musical Chair，我们在由最多 12 个树莓派（Raspberry PI）各连接一个摄像头组成的网络上，实现了用于视频的当前最优动作识别模型以及两个图像识别模型。相比配备六核 CPU 与 GPU 的嵌入式低功耗平台 Tegra TX2，我们的分布式动作识别系统不仅能耗相近，性能更达 TX2 的两倍。此外，在图像识别中，Musical Chair 取得相近性能并节省动态能耗。
引用
@article{arxiv.1802.02138,
title = {Musical Chair: Efficient Real-Time Recognition Using Collaborative IoT Devices},
author = {Ramyad Hadidi and Jiashen Cao and Matthew Woodward and Michael S. Ryoo and Hyesoon Kim},
journal= {arXiv preprint arXiv:1802.02138},
year = {2018}
}