摘要
边缘环境下的许多应用依赖于在边缘设备上执行实时目标检测。由于终端设备资源受限,若采用轻量级检测模型如MobileNet,在满足实时性要求的同时却难以满足准确度要求;而若将视频帧卸载到边缘服务器用重量级模型如Faster RCNN进行检测,其检测准确度能够提高,但会引入较大的数据传输耗时,从而难以保证检测实时性。为解决该挑战,本文提出了一种边缘辅助的目标检测框架及其自适应卸载调度算法,在线地将视频帧卸载到边缘服务器执行高准确度高时延的目标检测或在本地执行低准确度低时延的目标检测,从而在满足给定检测准确度要求的前提下优化视频帧的平均处理时延。为实现该算法,我们还提出了一种基于内容相似性的特征向量度量方式,以预测当前帧的检测时延和准确度,并且以贪心的方式决定当前帧的检测策略。基于真实数据集的实验表明,与基准算法相比,本文所提算法在保证准确度的前提下将检测时延降低了29%,而且OEOD在不同的数据集上均表现良好,每帧平均只需要几十毫秒的时延。
-
单位南京大学; 计算机软件新技术国家重点实验室