一種多終端視頻流智能識別模型共進(jìn)演化方法研究

摘要： 在泛在的智能物聯(lián)網(wǎng)終端部署深度模型并提供智能應(yīng)用/服務(wù)受到越來越多關(guān)注.但是,受限于終端硬件資源,研究人員從模型輕量化技術(shù)入手,為深度模型的輕量化、高精度部署提供技術(shù)支撐.然而基于輕量化深度模型的視頻應(yīng)用會面臨實(shí)際場景中的數(shù)據(jù)漂移問題,導(dǎo)致推理精度急劇下降,并且該問題在移動場景中尤為顯著.邊緣輔助的模型在線演化是解決數(shù)據(jù)漂移問題的一種有效方式,可實(shí)現(xiàn)自演化的可成長的智能計(jì)算系統(tǒng)...