CN114154018A - 一种面向无人***的云边协同视频流处理方法及*** - Google Patents
一种面向无人***的云边协同视频流处理方法及*** Download PDFInfo
- Publication number
- CN114154018A CN114154018A CN202210117381.6A CN202210117381A CN114154018A CN 114154018 A CN114154018 A CN 114154018A CN 202210117381 A CN202210117381 A CN 202210117381A CN 114154018 A CN114154018 A CN 114154018A
- Authority
- CN
- China
- Prior art keywords
- cloud
- edge
- picture
- identification
- local
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种面向无人***的云边协同视频流处理方法及***。所述方法包括:末端无人值守平台对采集的视频流进行切割,根据预先设定的分配策略将切割后的每一帧图片发送给指定边缘端设备进行处理;边缘端设备对图片识别请求进行响应,将图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;边缘端设备从本地识别队列中取出待识别图片进行识别处理;根据本地图片识别得到的置信度,将置信度大于等于指定阈值的识别结果作为正确的识别结果保存;边缘端设备根据本地识别结果和云端识别结果给出最终的图片识别结果。本发明通过云边协同处理,能够提升无人值守***在复杂环境下的视频信息处理效能。
Description
技术领域
本发明涉及无人***视频流处理,更具体地涉及一种面向无人***的云边协同视频流处理方法及***。
背景技术
无人值守***通过视频监控录像设备采集视频流进行实时分析与目标检测。现有无人***大多是将从末端无人值守平台采集到的视频流发送至云端进行处理。但若所有影像数据在云端执行,会对传输网络造成巨大开销;若将所有检测任务放在边缘端执行,又需要边缘端设备具备较好的计算存储硬件配置,且依赖持续稳定的保障,难以适用于边缘端复杂多变的环境。因此,单一的云端处理或单一的边缘端处理都是不现实的,这就需要将云计算和边缘计算技术相结合,构建云边协同的视频流处理***,提高无人值守***在复杂环境下的视频信息处理效能。
发明内容
发明目的:为解决上述技术问题,本发明提出一种面向无人***的云边协同视频流处理方法及***,利用边缘端的低时延性和云端的资源充足性,通过云边协同的方式优化无人***的视频流处理能力。
技术方案:一种面向无人***的云边协同视频流处理方法,包括以下步骤:
末端无人值守平台对采集的视频流进行切割,根据预先设定的分配策略将切割后的每一帧图片发送至指定边缘端设备进行处理;
边缘端设备对图片识别请求进行响应,将图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
边缘端设备对本地识别队列中的图片数据进行识别处理;
边缘端设备判断是否接收到云端的识别结果,若边缘端设备已收到云端的识别结果,根据云端与边缘端本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,边缘端设备向人机交互界面返回云端识别结果;否则边缘端设备向人机交互界面返回本地识别结果;
若边缘端设备没有收到云端的识别结果,直接向人机交互界面返回本地识别结果。
其中,所述预先设定的分配策略包括:根据本地数据库中存储的邻近边缘端设备的识别队列长度和识别时间,选取预计等待时间最小的边缘端设备进行图片的处理:
进一步地,根据云端识别的时长和提升的准确率进行综合判定打分,公式如下:
一种面向无人***的云边协同视频流处理***,包括:
末端无人值守平台,用于对采集的视频流进行切割,根据预先设定的分配策略将切割后的每一帧图片发送给指定边缘端设备进行处理;
边缘端设备,用于对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;并基于本地识别结果和云端识别结果确定对图片的最终识别结果;
云端,用于识别边缘端设备上送的图片并向边缘端设备返回识别结果;
其中边缘端设备基于本地识别结果和云端识别结果确定对图片的最终识别结果包括:
边缘端设备判断是否云端的识别结果,若边缘端设备已收到云端的识别结果,根据云端与边缘端本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,边缘端设备向人机交互界面返回云端识别结果;否则边缘端设备返回本地识别结果;
若边缘端设备没有收到云端的识别结果,直接向人机交互界面返回本地识别结果。
一种面向无人***的视频流处理设备,包括:
数据获取模块,用于从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是根据预先设定的分配策略分发的;
数据队列模块,用于对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
云边综合分析决策模块,用于判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
一种计算机设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现以下步骤:
从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是根据预先设定的分配策略分发的;
对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
有益效果:本发明通过将边缘端从视频流中切割出来的每帧图片,发送给一个预计等待时间最小的边缘端设备进行图片的处理,边缘端设备收到图片后同样也会发送一份给云端设备,边缘端与云端同时处理,云端未处理则取边缘端的识别结果,云端有返回结果则根据时延和提升精度来打分来综合判定,该方法通过云边协同处理,能够结合边缘端的低时延性和云端的资源充足性,提升无人***视频流处理的效能。
附图说明
图1是根据本发明实施例的面向无人***的云边协同视频流处理方法流程图;
图2是根据本发明实施例的目标检测过程示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明提供了一种面向无人***的协同视频流处理方法及***,视频流处理***包括无人值守平台(即无人***)、边缘端设备和云端。云端指的是云端服务器或提供云计算服务的任何平台或基础设施。基于该***的视频流处理方法包括:首先,无人值守平台采集到视频流后将视频中的图片发送给边缘端设备,然后边缘端设备与云端设备协同处理,若有云端返回得到图片处理结果,则根据时延和精度提升率综合判定打分,决定是否要使用云端的识别结果,若云端无返回结果则取边缘端的图片处理结果。参照图1,具体包括如下步骤:
(1)数据分发:
末端无人值守平台将采集到的视频流进行切割,将切割好的每一帧图片发送到边缘端设备。假设有个边缘端设备,每个边缘端设备都维护着一个队列,队列中有张图片等待检测识别。表示第个边缘端设备识别一张图片的平均时间,通过在模型训练过程中,对大样本数的同类型图片的识别时间求平均值获得。具体发送的边缘端设备通过实时任务分配来决定。边缘端通过实时任务分配***决定通过哪个靠近的设备来处理当前的图片。实时任务分配***会选择一个预计等待时间最小的边缘端设备进行图片的处理。即:
(2) 云边协同图像处理:
(2-2)每当边缘端设备识别完一张图片时,从本地队列中取出下一张图片进行本地识别处理。边缘端设备的识别模型如下:首先采用 Yolov3 用于检测视频流中的常见对象,其次采用 ResNet-152 或 MobileNet用于对检测到的对象进行更精确和特定的分类并标记它们。图2为目标检测的过程图。
(2-3)边缘端设备识别完一张图片时,得到一个置信度 ,当时,可以认为该图片没有识别到目标,返回无识别目标的结果。即只有置信度大于等于指定阈值的识别结果被保存,小于的识别结果均舍去。的取值使整个边缘端准确率最高。设测试集中有个需要检测出的物体的图片,在的结果中,有张是正确的,的取值如下:
(2-4)云端设备识别图片时,云端识别模型如下:首先采用 Yolov3 用于检测视频流中的常见对象,其次采用 ResNet-152 或 MobileNet用于对检测到的对象进行更精确和特定的分类并标记它们。图2为目标检测的过程图。云端设备将检测结果返回至边缘端设备。
其中表示提升的准确率,通过测试集获得云端模型的准确率和边缘端的准确率,然后作差即为的值。表示从发送图片到云端返回结果经过的时间,表示边缘端到云端的平均时延。这里表示云端处理时延与端到端时延的比重,由于表示边缘端到云端的单向平均时延,表示从发送图片到云端返回结果经过的时间,是双向的,因此要乘以2倍来与进行比较。
(2-6)当score大于等于阈值s时,判定云端识别结果优于边缘端识别结果,此时边缘端设备向人机交互界面返回云端识别结果;否则判定边缘端识别结果优于云端识别结果,边缘端设备向人机交互界面返回本地识别结果。在本发明的实施方式中,阈值s取值为0.6。
若边缘端设备没有收到云端的识别结果,直接向人机交互界面返回本地识别结果。
(3)输出结果:
识别完成后,将识别好的结果返回给用户,并且将结果存储在云端数据库中。
本发明还提供一种面向无人***的视频流处理设备,该视频流处理设备对应于上述视频流处理***中的边缘端设备,设备包括:
数据获取模块,用于从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是根据预先设定的分配策略分发的;
数据队列模块,用于对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
云边综合分析决策模块,用于判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
其中,数据获取模块根据预先设定的分配策略得到每一帧待处理图片,其分配策略如下:视频流处理设备互相之间定时同步自身的数据队列长度和对一张图片的平均处理时间,各视频流处理设备根据本地数据库中存储的邻近边缘端设备的识别队列长度和识别时间,选取预计等待时间最小的设备进行图片处理:
本地图片识别模块的识别模型如下:首先采用 Yolov3 用于检测视频流中的常见对象,其次采用 ResNet-152 或 MobileNet用于对检测到的对象进行更精确和特定的分类并标记它们。
云边综合分析决策模块根据云端与本地分别识别的时间大小和准确率进行综合判定打分,公式如下:
本发明还提供一种计算机设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现以下步骤:
从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是根据预先设定的分配策略分发的;
对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
其中,上述处理器执行的步骤和面向无人***的视频流处理设备的各功能模块实现的功能是一一相对应的,各步骤中涉及的具体计算方法可参照前述视频流处理设备的相应描述,此处不再赘述。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (11)
1.一种面向无人***的云边协同视频流处理方法,其特征在于,包括以下步骤:
末端无人值守平台对采集的视频流进行切割,根据预先设定的分配策略将切割后的每一帧图片发送给指定边缘端设备进行处理;
边缘端设备对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列等待本地识别;
边缘端设备对本地识别队列中的图片数据进行识别处理;
边缘端设备判断是否接收到云端的识别结果,若边缘端设备已收到云端的识别结果,根据云端与边缘端本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,边缘端设备向人机交互界面返回云端识别结果;否则边缘端设备返回本地识别结果;
若边缘端设备没有收到云端的识别结果,直接向人机交互界面返回本地识别结果。
5.根据权利要求1所述的面向无人***的云边协同视频流处理方法,其特征在于,边缘端设备的本地识别模型采用Yolov3进行初次检测,再采用ResNet-152或MobileNet对初次检测到的对象进行二次检测和标记。
6.一种面向无人***的云边协同视频流处理***,其特征在于,包括:
末端无人值守平台,用于对采集的视频流进行切割,根据预先设定的分配策略将切割后的每一帧图片发送给指定边缘端设备进行处理;
边缘端设备,用于对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;并基于本地识别结果和云端识别结果确定对图片的最终识别结果;
云端,用于识别边缘端设备上送的图片并向边缘端设备返回识别结果;
其中边缘端设备基于本地识别结果和云端识别结果确定对图片的最终识别结果包括:
边缘端设备判断是否接收到云端的识别结果,若边缘端设备已收到云端的识别结果,根据云端与边缘端本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,边缘端设备向人机交互界面返回云端识别结果;否则边缘端设备返回本地识别结果;
若边缘端设备没有收到云端的识别结果,直接向人机交互界面返回本地识别结果。
10.一种面向无人***的视频流处理设备,其特征在于,包括:
数据获取模块,用于从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是末端无人值守平台根据预先设定的分配策略分发的;
数据队列模块,用于对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
云边综合分析决策模块,用于判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
11.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述程序被处理器执行时实现以下步骤:
从末端无人值守平台获取视频流切割后的每一帧图片的图片识别请求,其中视频流切割后的每一帧图片是末端无人值守平台根据预先设定的分配策略分发的;
对图片识别请求进行响应,将待识别图片加入云端发送队列等待发送至云端,并加入本地识别队列中等待识别;
判断是否接收到云端的识别结果,若已收到云端的识别结果,根据云端与本地分别识别的时间大小和准确率进行综合判定打分,当得分大于等于阈值s时,判定云端识别结果优于本地识别结果,向人机交互界面返回云端识别结果;否则返回本地识别结果;若没有收到云端的识别结果,则直接向人机交互界面返回本地识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210117381.6A CN114154018B (zh) | 2022-02-08 | 2022-02-08 | 一种面向无人***的云边协同视频流处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210117381.6A CN114154018B (zh) | 2022-02-08 | 2022-02-08 | 一种面向无人***的云边协同视频流处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114154018A true CN114154018A (zh) | 2022-03-08 |
CN114154018B CN114154018B (zh) | 2022-05-10 |
Family
ID=80450257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210117381.6A Active CN114154018B (zh) | 2022-02-08 | 2022-02-08 | 一种面向无人***的云边协同视频流处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154018B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116366649A (zh) * | 2023-06-01 | 2023-06-30 | 中电云脑(天津)科技有限公司 | 一种边云协同的脑电数据任务调度方法和*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160057188A1 (en) * | 2011-11-09 | 2016-02-25 | Microsoft Technology Licensing, Llc | Generating and updating event-based playback experiences |
CN107145816A (zh) * | 2017-02-24 | 2017-09-08 | 北京悉见科技有限公司 | 对象识别跟踪方法及装置 |
CN109872406A (zh) * | 2019-01-23 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种渐进式的判断更新方法、装置和人脸打卡*** |
CN111368824A (zh) * | 2020-02-24 | 2020-07-03 | 河海大学常州校区 | 一种仪表识别方法、移动设备及存储介质 |
CN111400047A (zh) * | 2020-03-18 | 2020-07-10 | 青岛牛利智能科技有限公司 | 通过云边协同从监控视频流中进行人脸检测和识别的方法 |
CN111698470A (zh) * | 2020-06-03 | 2020-09-22 | 河南省民盛安防服务有限公司 | 一种基于云边协同计算的安防视频监控***及其实现方法 |
US20200327739A1 (en) * | 2012-12-10 | 2020-10-15 | Nant Holdings Ip, Llc | Interaction analysis systems and methods |
CN111787280A (zh) * | 2020-06-30 | 2020-10-16 | 清华大学 | 基于边缘计算的视频实时目标追踪方法及装置 |
CN111885375A (zh) * | 2020-07-15 | 2020-11-03 | 中国工商银行股份有限公司 | 双录视频的检验方法、装置、服务器及*** |
CN112241719A (zh) * | 2020-10-23 | 2021-01-19 | 杭州卷积云科技有限公司 | 基于边云卷积神经网络级联的监控视频目标实时查询方法 |
-
2022
- 2022-02-08 CN CN202210117381.6A patent/CN114154018B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160057188A1 (en) * | 2011-11-09 | 2016-02-25 | Microsoft Technology Licensing, Llc | Generating and updating event-based playback experiences |
US20200327739A1 (en) * | 2012-12-10 | 2020-10-15 | Nant Holdings Ip, Llc | Interaction analysis systems and methods |
CN107145816A (zh) * | 2017-02-24 | 2017-09-08 | 北京悉见科技有限公司 | 对象识别跟踪方法及装置 |
CN109872406A (zh) * | 2019-01-23 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种渐进式的判断更新方法、装置和人脸打卡*** |
CN111368824A (zh) * | 2020-02-24 | 2020-07-03 | 河海大学常州校区 | 一种仪表识别方法、移动设备及存储介质 |
CN111400047A (zh) * | 2020-03-18 | 2020-07-10 | 青岛牛利智能科技有限公司 | 通过云边协同从监控视频流中进行人脸检测和识别的方法 |
CN111698470A (zh) * | 2020-06-03 | 2020-09-22 | 河南省民盛安防服务有限公司 | 一种基于云边协同计算的安防视频监控***及其实现方法 |
CN111787280A (zh) * | 2020-06-30 | 2020-10-16 | 清华大学 | 基于边缘计算的视频实时目标追踪方法及装置 |
CN111885375A (zh) * | 2020-07-15 | 2020-11-03 | 中国工商银行股份有限公司 | 双录视频的检验方法、装置、服务器及*** |
CN112241719A (zh) * | 2020-10-23 | 2021-01-19 | 杭州卷积云科技有限公司 | 基于边云卷积神经网络级联的监控视频目标实时查询方法 |
Non-Patent Citations (3)
Title |
---|
MUHAMMAD USMAN YASEEN 等: "High Performance Video Processing in Cloud Data Centres", 《2016 IEEE SYMPOSIUM ON SERVICE-ORIENTED SYSTEM ENGINEERING (SOSE)》 * |
王梓凯: "基于边缘计算和微服务的视频监控***", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
韩义波 等: "基于云边协同的物联网任务卸载策略建模与分析", 《南阳理工学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116366649A (zh) * | 2023-06-01 | 2023-06-30 | 中电云脑(天津)科技有限公司 | 一种边云协同的脑电数据任务调度方法和*** |
CN116366649B (zh) * | 2023-06-01 | 2023-09-05 | 中电云脑(天津)科技有限公司 | 一种边云协同的脑电数据任务调度方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN114154018B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11017220B2 (en) | Classification model training method, server, and storage medium | |
WO2017127976A1 (zh) | 一种用于增量式学习云***的训练、调度方法及相关设备 | |
CN109582903B (zh) | 一种信息展示的方法、装置、设备和存储介质 | |
CN111915020B (zh) | 检测模型的更新方法、装置及存储介质 | |
WO2019019652A1 (zh) | 推送信息的处理方法、装置、计算机设备和存储介质 | |
WO2022213565A1 (zh) | 一种人工智能模型预测结果的复审方法及装置 | |
CN114154018B (zh) | 一种面向无人***的云边协同视频流处理方法及*** | |
CN114048387B (zh) | 基于大数据和ai预测的内容推荐方法及人工智能云*** | |
CN112966608A (zh) | 一种基于边端协同的目标检测方法、***及存储介质 | |
CN111753875A (zh) | 一种电力信息***运行趋势分析方法、装置及存储介质 | |
CN110119307A (zh) | 数据处理请求的处理方法、装置、存储介质及电子装置 | |
KR20230088332A (ko) | 데이터 어노테이션 방법, 장치, 시스템, 기기 및 저장 매체 | |
CN106611021B (zh) | 一种数据处理方法和设备 | |
CN112925964A (zh) | 基于云计算服务的大数据采集方法及大数据采集服务*** | |
CN111061911B (zh) | 面向多视频监控数据的目标检测与追踪方法、装置及设备 | |
CN112001622A (zh) | 云虚拟网关的健康度评估方法、***、设备和存储介质 | |
CN115391051A (zh) | 视频计算任务调度方法、设备及计算机可读介质 | |
CN114580664A (zh) | 训练分析方法、装置、存储介质及电子设备 | |
CN110544182B (zh) | 一种基于机器学习技术的配电通信网融合控制方法及*** | |
CN115100124A (zh) | 一种基于云服务的图像缺陷检测*** | |
CN112989869B (zh) | 人脸质量检测模型的优化方法、装置、设备及存储介质 | |
CN114692706A (zh) | 模型训练方法、***、装置、设备和存储介质 | |
CN113408470A (zh) | 数据处理方法、装置、电子设备、存储介质及程序产品 | |
CN113963310A (zh) | 一种公交站的人流量检测方法、装置及电子设备 | |
CN112925831A (zh) | 基于云计算服务的大数据挖掘方法及大数据挖掘服务*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |