跨域特征融合的端-边协同遮挡人脸识别方法

提出了跨域特征融合的端-边协同遮挡人脸识别方法,设计了端-边协作的人脸识别架构,充分利用终端和边缘的计算资源进行遮挡人脸的实时识别。提出了跨域人脸特征融合的方法,通过显式域人脸特征增强与隐式域人脸特征挖掘,进行人脸特征的融合提取。进而,提出时延优化的边缘识别任务调度方法,综合考虑边缘的任务负载、计算能力、带宽及时延容忍约束,动态调度人脸识别任务,在保证识别精度的同时最小化识别时延。实验结果表明,所提方法相比基线方法,在人脸识别任务精度基本持平的同时大幅提高了识别时延方面的性能。

面向智能网联汽车边缘网络的分布式端-边协同算法

车联网高级安全服务中,智能网联车辆配备了摄像头,可以拍摄周围的视频,用于安全、交通监控和监视等目的。车辆将获取的视频上传到边缘计算节点后,可以对视频进行分析和备份,以满足不同的安全驾驶需求。然而,车辆连续直接向边缘计算节点上传生成的视频内容会非常消耗带宽,并消耗大量的能量。基于该问题,提出一种面向智能网联汽车边缘网络的分布式端-边协同算法。针对车联网高可靠低时延内容传输的特点,引入有限块长度编码机制。同时,引入车辆视频信息源的压缩编码功率消耗,建立车辆能耗模型。根据车辆视频信息源的视频质量要求,通过调整视频编码码率、信息源传输速率,以及车辆多路径路由的决策,提出一种完全分布式的优化算法,以提高网络资源利用率,并保证单个车辆的能耗公平性。