面向视频监控基于联邦学习的智能边缘计算技术

摘要：

随着全球数据量的激增,集中式云计算无法提供低时延、高效率的视频监控服务.基于此,提出分布式边缘计算模型,在边缘端直接处理视频数据,减少网络的传输压力,缓解中央云服务器的计算负担,降低视频监控系统的处理时延.结合联邦学习算法,采用轻量级神经网络,分场景训练模型,并将其部署于计算能力受限的边缘设备上.实验结果表明,对比通用神经网络模型,所提方法检测准确度提高18％,模型训练时间有效减少.

关键词：联邦学习、深度学习、边缘计算、轻量级神经网络、目标检测

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：工信部重大专项基金资助项目;国家自然科学基金资助项目

在线出版日期：2020-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：109-115