迈向边缘视频分析的性能明晰
性能
2021-05-19 v1
摘要
边缘视频分析正成为诸多安全与管理任务的解决方案。然而其广泛部署须首先解决推理精度与资源（计算/网络）成本之间的张力。这催生了视频分析流水线（VAPs）的发展，其通过结合 DNN 压缩/加速技术与视频处理启发式方法降低资源成本。但我们对现有 VAPs 的测量研究表明，当今评估 VAPs 的方法并不完备，常得出过早结论或含混结果。这是因为每个 VAP 的性能在视频间与时间上（即便同一场景下）差异显著，且对视频内容特征的不同子集敏感。我们认为准确的 VAP 评估必须首先刻画 VAPs 与视频特征间的复杂交互，我们称之为 VAP 性能明晰。我们设计并实现了 Yoda，首个达成性能明晰的 VAP 基准。利用基于基元的剖析与精心策划的基准视频集，Yoda 为每个 VAP 构建性能明晰剖面，以精确界定其精度/成本权衡及其与视频特征的关系。我们展示 Yoda 通过以下方式大幅改进 VAP 评估：(1) 提供对 VAP 性能及其对视频特征依赖关系的全面、透明评估；(2) 显式识别此前被大性能方差掩盖的细粒度 VAP 行为；以及 (3) 揭示不同 VAPs 间的优劣与新设计机遇。
引用
@article{arxiv.2105.08694,
title = {Towards Performance Clarity of Edge Video Analytics},
author = {Zhujun Xiao and Zhengxu Xia and Haitao Zheng and Ben Y. Zhao and Junchen Jiang},
journal= {arXiv preprint arXiv:2105.08694},
year = {2021}
}