【标题】A Reinforcement-Learning-Based Energy-Efficient Framework for Multi-Task Video Analytics Pipeline

【作者团队】Yingying Zhao, Mingzhi Dong, Yujiang Wang, Da Feng, Qin Lv, Robert P. Dick, Dongsheng Li, Tun Lu, Ning Gu and Li Shang

【论文链接】https://arxiv.org/abs/2104.04443

【发表时间】2021.05.02

【推荐理由】视频分析管道的数据流速过高，并且十分依赖于复杂推理算法，很难应用在资源有限的情况中。本文设计出一种可适应性分辨率优化框架，以最小化多任务视频分析管道的资源消耗。此框架利用一种DRL方法来动态控制输入分辨率和整个视频分析管道的计算成本。因为可持续监控变化的分辨率对于高维视频分析特性的影响，此端到端优化框架便可学习到最佳长期策略，以对资源消耗进行全局优化，同时保持了精确度。作者将此方法应用于视频分割任务，实验表明，此方法大大节省了资源，并且与其他基准方法具有相似的准确率。

图1 语义分割任务的时间估计机制

图2 本文提出的框架

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除