公开(公告)号：CN112070211B

公开(公告)日：2024-04-05

申请号：CN202010852263.0

申请日：2020-08-21

Applicant: 北京科技大学

Inventor： 石宇光 ,  米振强 ,  郭宇

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V20/50

Abstract: 本发明涉及机器视觉领域，特别涉及一种处理器计算能力无法直接满足神经网络对计算能力需求情况下的低成本图像识别方案的基于计算卸载机制的图像识别方法。该方法根据网络分段后移动设备上计算任务占比、通信数据量和前后段网络模型任务耦合性等指标，计算分段点，对前段网络模型产生的特征图进行频域压缩，后端网络接收数据进行图像处理得到识别结果；这样，采用分段部署将系统的前段网络模型和数据压缩算法结合，能够很好的对输入数据进行压缩，以平衡移动端、云端和网络传输三者的时间消耗，将系统时延降低，在保证实时性的同时，能够保障整个网络模型的性能衰减控制在可以接受的范围之中，对具体任务的执行精度没有明显的影响。

公开(公告)号：CN112070211A

公开(公告)日：2020-12-11

申请号：CN202010852263.0

申请日：2020-08-21

Applicant: 北京科技大学

Inventor： 石宇光 ,  米振强 ,  郭宇

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06K9/00

Abstract: 本发明涉及机器视觉领域，特别涉及一种处理器计算能力无法直接满足神经网络对计算能力需求情况下的低成本图像识别方案的基于计算卸载机制的图像识别方法。该方法根据网络分段后移动设备上计算任务占比、通信数据量和前后段网络模型任务耦合性等指标，计算分段点，对前段网络模型产生的特征图进行频域压缩，后端网络接收数据进行图像处理得到识别结果；这样，采用分段部署将系统的前段网络模型和数据压缩算法结合，能够很好的对输入数据进行压缩，以平衡移动端、云端和网络传输三者的时间消耗，将系统时延降低，在保证实时性的同时，能够保障整个网络模型的性能衰减控制在可以接受的范围之中，对具体任务的执行精度没有明显的影响。