机构名称：
¥ 1.0
摘要 - 播放视频分析侧重于来自多个资源的流视频数据的实时分析，例如安全摄像机和具有视频功能的IoT设备。它涉及各种技术的应用，以从实时视频流中提取有价值的信息。边缘计算和云计算通过利用两端的计算资源来促进视频流分析，从而使高精度和低延迟均可有助于。但是，视频流动行为是动态的，并且在边缘和云中不断发展。网络条件，计算资源和视频内容可能会迅速变化，这使得连续调整分析方法至关重要，以提供准确的结果。以前的作品是基于深神经网络（DNN）或启发式算法的，从历史数据或合成数据中学习了适当的部署计划，用于流式传输视频分析应用程序，因此无法捕获动态。因此，我们提出了基于加强学习的方法，可以适应视频流行为的持续变化。为了确保在分布式环境中进行视频分析的可伸缩性，我们实现了Smotic G Ate 2，这是一个分布式流媒体视频分析系统，具有优化的处理管道和基于RL-RL-基于RL-RL-的控制器，以快速适应跨边缘和云的系统配置。在真实测试床上进行的实验表明，我们的方法优于基准，确保实时视频分析和在动态和分布式环境中的高精度。
Edge-Cloud协作流媒体视频分析，具有多代理深度强化学习
主要关键词
相关文件推荐
