面向高效目标重识别的云边协同新框架
计算机视觉与模式识别
2024-12-23 v2
摘要
目标重识别（ReID）致力于跨摄像机搜索同一身份的目标，其实际部署正逐渐增加。当前的ReID方法假设部署系统遵循集中式处理范式，即所有计算均在云服务器上进行，边缘设备仅用于捕获图像。随着视频数量急剧增长，由于云服务器计算资源有限，该范式已变得不切实际。因此，ReID系统应转换为适应云边协同处理范式，这对于提升其可扩展性和实用性至关重要。然而，当前工作缺乏对这一重要具体问题的相关研究，难以有效将其适配到云边框架中。本文提出一种面向ReID系统的云边协同推理框架，旨在通过学习目标间的时空相关性，加速将摄像机捕获的期望图像返回至云服务器。在该系统中，特别提出了一种分布感知相关性建模网络（DaCM），将摄像机网络的时空相关性隐式嵌入到图结构中，并可分别应用于：1）云端调节上传窗口大小；2）边缘设备调整图像序列。值得注意的是，所提出的DaCM可与传统ReID方法无缝结合，使其能够在我们提出的云边协同框架中应用。大量实验表明，我们的方法明显降低了传输开销并显著提升了性能。
引用
@article{arxiv.2401.02041,
title = {Towards Efficient Object Re-Identification with A Novel Cloud-Edge Collaborative Framework},
author = {Chuanming Wang and Yuxin Yang and Mengshi Qi and Huadong Ma},
journal= {arXiv preprint arXiv:2401.02041},
year = {2024}
}