公开(公告)号：CN112817755B

公开(公告)日：2023-12-19

申请号：CN202110091011.5

申请日：2021-01-22

Applicant: 西安交通大学

Inventor： 杨树森 ,  赵鹏 ,  郭思言 ,  高远方 ,  王归秦 ,  赵聪 ,  贾根龙

IPC: G06V20/40 ,  G06V10/22 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/063 ,  G06N3/08 ,  G06T7/246

Abstract: 本发明提供的一种基于目标追踪加速的边云协同深度学习目标检测方法，解决了目标检测问题实时性不能得到保障的问题。通过三阶段的处理，第一阶段，在边缘节点上，使用自适应关键帧算法提供关键帧的选择方法，并且做到在同一深度学习模型中选择关键帧只需极小的计算资源代价。第二阶段，在云端，利用边缘筛选的数据，使用高精度的分类模型，进行高精度的目标检测。第三阶段，在边缘端，利用孪生网络，通过关键帧的分类和标框结果进行快速追踪，该方法在利用自适应关键帧算法实现针对视频目标检测的数据筛选，同时实现模型精度和时延消耗的

公开(公告)号：CN112817755A

公开(公告)日：2021-05-18

申请号：CN202110091011.5

申请日：2021-01-22

Applicant: 西安交通大学

Inventor： 杨树森 ,  赵鹏 ,  郭思言 ,  高远方 ,  王归秦 ,  赵聪 ,  贾根龙

IPC: G06F9/50 ,  G06K9/00 ,  G06K9/20 ,  G06K9/32 ,  G06K9/62 ,  G06N3/063 ,  G06N3/08 ,  G06T7/246

Abstract: 本发明提供的一种基于目标追踪加速的边云协同深度学习目标检测方法，解决了目标检测问题实时性不能得到保障的问题。通过三阶段的处理，第一阶段，在边缘节点上，使用自适应关键帧算法提供关键帧的选择方法，并且做到在同一深度学习模型中选择关键帧只需极小的计算资源代价。第二阶段，在云端，利用边缘筛选的数据，使用高精度的分类模型，进行高精度的目标检测。第三阶段，在边缘端，利用孪生网络，通过关键帧的分类和标框结果进行快速追踪，该方法在利用自适应关键帧算法实现针对视频目标检测的数据筛选，同时实现模型精度和时延消耗的折中，给解决边云协同深度学习模型视频目标检测问题提供了可靠的方案。