邊緣計算下的AI檢測與識別算法綜述

摘要：人工智能的迅速發(fā)展深刻改變?nèi)祟惿鐣?、改變世界?，F(xiàn)有的AI算法過分依賴價格昂貴的GPU服務器進行后端處理,智能處理水平受限于傳輸鏈路寬帶,無法實時智能處理。同時,海量數(shù)據(jù)的傳輸更加大網(wǎng)絡和服務器負載。隨著超低時延與超高可靠性5G時代的到來,實時、智能、安全、隱私等四大趨勢催生了邊緣計算與前端智能的崛起。首先,概述了邊緣計算的發(fā)展,介紹了目標檢測算法Faster R-CNN中anchor框的選取方式、YOLO提高性能的方式以及SSD基于不同深度特征圖提高物體檢測的原理,還給出了利用不同深度特征圖在通道維度上合并,以及U型網(wǎng)絡進行特征復用以提高mAP指標的M2Det算法;其次,介紹了深度卷積神經(jīng)網(wǎng)絡的輕量級優(yōu)化算法,包括卷積核優(yōu)化、參數(shù)剪枝和共享、知識蒸餾、張量低秩分解以及輕量級網(wǎng)絡模型設計;同時,著重闡述了卷積核優(yōu)化算法;最后,介紹了邊緣計算硬件發(fā)展歷程,給出了邊緣計算的各種硬件平臺及性能評價指標,展望了邊緣計算+AI的發(fā)展趨勢。