![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
paper list
文章平均质量分 81
zihan_2024
BUPT 研二在读
展开
-
Deep Compressive Offloading: Speeding Up Neural Network Inference by Trading Edge Computation for ..
Deep Compressive Offloading: Speeding Up Neural Network Inference by Trading Edge Computation for Network LatencyABSTRACT在这项工作中,我们提出了一个通用的框架,称为deep compressive offloading。通过将压缩感知理论和深度学习相结合,我们的框架可以将用于卸载的数据编码成小尺寸,而本地设备的开销可以忽略不计,并在边缘服务器上对数据进行解码,同时为完美重建和.原创 2021-11-06 15:38:40 · 334 阅读 · 0 评论 -
Neural Compression and Filtering for Edge-assistedReal-time Object Detection in Challenged Networks
Abstract我们提出的核心思想建立在最近的方法之上,将DNN分成部分——即头和尾模型——分别由移动设备和边缘服务器执行。(i)通过在头部模型的早期层中引入瓶颈层来实现网络内压缩,(ii)使用卷积神经网络对不包含感兴趣对象的图像进行预滤波。INTRODUCTION问题:较差的信道条件增加了将输入数据发送到边缘服务器所需的时间,从而使边缘计算方案不有效。挑战1:与“纯”卸载相比,在DNN的第一部分定位分裂点将导致在无线链路上传输更多的数据。使用较晚的、较小的层作为分割点将减少传输的数据量,但原创 2021-11-06 15:37:41 · 163 阅读 · 0 评论 -
3D Point Cloud Generation with Millimeter-Wave Radar
Abstract新兴的自动驾驶系统需要可靠的3D环境感知。不幸的是,目前的主流认知模式,即照相机和激光雷达在具有挑战性的照明和天气条件下易受攻击。另一方面,尽管车辆雷达全天候工作,但今天的车辆雷达仅限于位置和速度检测。在本文中,我们介绍了MilliPoint,这是一个实用的系统,它提高了生成三维点云的雷达感应能力。MilliPoint的关键设计原则在于使合成孔径雷达(SAR)能够在低成本的商用车辆雷达上成像。为此,MilliPoint对信号变化与雷达运动之间的关系进行建模,实现了雷达在波长尺度精度下的自原创 2021-10-13 14:36:20 · 1064 阅读 · 0 评论 -
Edge Assisted Real-time Object Detection for Mobile Augmented Reality
Edge Assisted Real-time Object Detection for Mobile Augmented Reality1 INTRODUCTION我们提出了一种系统,该系统通过设备上的快速目标跟踪方法显著地减少了卸载检测延迟,并隐藏了剩余的延迟。为了减少卸载延迟,它采用了动态ROI编码技术和并行流和推理技术。动态ROI编码技术基于在最后卸载的帧中检测到的感兴趣区域(ROI)来调整每个帧上的编码质量以减少传输等待时间。关键的创新之处在于从先前帧的候选区域中识别出具有潜...原创 2021-04-10 22:02:39 · 906 阅读 · 0 评论