【论文笔记】视频物体检测(VID)系列 NoScope:1000x的视频检索加速算法

paper：https://arxiv.org/abs/1703.02529
code：https://github.com/stanford-futuredata/noscope

计算机视觉的进展，特别是近期深度神经网络的进展，使得在不断增长的视频数据中进行检索成为可能。但是，基于神经网络去做大规模视频检索，直接的问题就是计算量激增。比如现在最快的物体检测器能达到1～2.5x real time的效率（30～80fps），前提是买一个$4000的GPU。

我们来算一笔账，英伟达的K80 GPU，售价是$4000左右，处理视频的速度为50fps，那么跑1000h的视频（e.g., 25fps）就需要500h，P100 GPU更快一点，能达到80fps，也更贵$4600，跑1000h的视频需要312.5h。300~500h如果租云主机去处理的话（$0.7~0.9/h）就是$300左右。

而现在图像和视频的传感器那么便宜，一个640*480的VGA CMOS传感器只要不到$0.65，这就造成了数据获取和数据处理开销的极大的不平衡，将近3个数量级的差异了。说明现在这个时代做视频相关的算法已经不是穷人可以玩的起的了。

所以斯坦福大学提出了NoScope，就是为了减小基于NN的video query的计算量而设计的系统ÿ