NoScope：Optimizing Neural Network Queries over Video at Scale，VLDB，2017

最新推荐文章于 2024-07-13 18:10:19 发布
最新推荐文章于 2024-07-13 18:10:19 发布
阅读量228 收藏
点赞数
分类专栏： 论文 文章标签： 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaolajiruirui/article/details/113902334
版权

NoScope：Optimizing Neural Network Queries over Video at Scale


应用场景：二分类查询，即判断某一帧有没有某一对象。
解决的问题：对象查询处理
描述：NoScope针对神经网络查询昂贵的问题，提出了使用专用NN和跳帧的方法，以及使用优化器在速度和精确度之间进行平衡，保证在用户所需精确度的前提下，花费最少。

Motivation：
（1）Applying general NNs to video data in real time is computationally expensive at scale.
eg：80 fps on an NVIDIA P100, ~$4600 retail
（2）General NNs continue to get deeper and more costly to evaluate（higher computational cost）

Goal：
apply NNs to video analytics at a substantially lower computational cost，主要从下面两方面进行考虑：
（1）The complexity of the model
（2）The data size of calculation

Problems：
（1）how to reduce the complexity of the model?
（2）how to reduce the data size of calculation?

Solution：
（1）Model Specialization
（2）Difference Detector
（3）Cost-Based Optimizer

系统开源࿱

最低0.47元/天 解锁文章
Rui_zzz
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
NoScope：极速视频目标检测
跟随技术的脚步-linolzhang的专栏
08-29 9859
一.提出背景       在基于CNN的方法提升到一个很高的准确度之后，效率又成为人们所关注的话题，目前兼备准确度和效率的方法包括 SSD、YOLO v2，其检测效率通常能到达 30-100FPS，而这里面的代价就是上万块的显卡，这个代价是相当高的。当下视频获取设备（CCTV摄像头）成本通常是几百块，而采用上述分类算法，其成本可能是几千，这就是视频获取和视频分析之间的巨大鸿沟。       基于此
An optimizing BP neural network algorithm based on genetic algorithm
02-21
An optimizing BP neural network algorithm based on genetic algorithm
noscope_NoScope：将神经网络查询扩展到现实世界
weixin_26726011的博客
09-08 451
noscopeNeural networks have expanded the breadth of tasks we can perform and revolutionized the accuracies at which we can achieve them. However, they are computationally expensive and thus make it di...
READING NOTE: Optimizing Deep CNN-Based Queries over Video Streams at Scale
joshua_1988
07-10 400
TITLE: Optimizing Deep CNN-Based Queries over Video Streams at Scale
最新论文阅读（36）
wydbyxr的博客
06-10 310
NoScope: Optimizing Neural Network Queries over Video at Scale - 2017年3月 - 视频中的目标检测；名为NoScope的检索引擎 - 　　非常的快。 　　思想：由于视频目标是连续的，里面包含了大量时间局部性（temporal locality，即在不同的时间是相似的）和空间局部性（spatial locali...
#mfiohgap789432＜＞k,.
weixin_43091381的博客
11-30 424
The MIRIS source code is available at https://github.com/favyen/miris D. Kang, J. Emmons, F. Abuzaid, P. Bailis, and M. Zaharia. NoScope project website. https://github.com/stanford-futuredata/noscope. （videoedge说比它好） Caesar’s demo code is available at htt
An optimizing method of RBF neural network based on genetic algorithm
02-21
An optimizing method of RBF neural network based on genetic algorithm
Energy Hub Integration: Optimizing Electricity and Heat Market P
04-24
本文《Participation_of_an_Energy_Hub_in_Electricity_and_Heat_Distribution_Markets》深入探讨了能源枢纽在电力和热力分配市场中的参与方式。文章分析了能源枢纽如何通过集成多种能源转换技术，实现对电力和热力...
Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm
02-21
Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm
matlab2.rar_GA-BP_Ga neural_optimizing_优化 matlab_论文 matlab
07-15
ga优化神经网权值&阈值程序。 优化的基本原理和过程很多论文可以查到
深度学习之视频入门经典+视频分类+视频行为识别+行为检测+视频事件识别+事件检测--附带源码和作者主页
热门推荐
WJ_MeiMei的博客
11-22 2万+
视频研究入门经典   Labor-Free Video Concept Learningby Jointly Exploiting Web Videos and Images     intro: CVPR 2016     intro: Lead–Exceed Neural Network (LENN), LSTM     paper: https://www.microsoft.c...
行人重识别(ReID)论文阅读汇总
wydbyxr的博客
11-19 1207
更详细的资料整理到了个人的github上，地址为 https://github.com/whitenightwu/11-Algorithm_and_Data\11-Paper Summary(根据应用划分)\53-行人 图中带*号的代表，推荐细读 ...
CNN大规模视频处理--NoScope: 1000x Faster Deep Learning Queries over Video
AI小作坊 的博客
07-07 2177
http://dawn.cs.stanford.edu/2017/06/22/noscope/ https://arxiv.org/abs/1703.02529YOLOv2在视频检测中的效果比较好，但是一个GPU也只能达到每秒几十帧的处理速度。对于上百路视频怎么使用YOLOv2来完成检测和检索的任务了？总不能每一路视频都配置个 GPU吧。这里主要的思路还是先进行运动检测，看看当前帧有没有运动物体m
最新论文阅读（3）
wydbyxr的博客
06-06 232
Gated Feedback Refinement Network for Dense Image Labeling - 2017CVPR - G-FRNet - 曼尼托巴大学【美】 GFRNet进行粗略预测，然后在细化阶段高效地整合局部和全球上下文信息，逐步细化细节。我们引入了控制前进信息的门单元，以过滤掉歧义。...
最新论文阅读（19）
wydbyxr的博客
06-09 1093
A Domain Based Approach to Social Relation Recognition - 2017/4/21 - CNN - 马克斯普朗克信息研究所（Max Planck Institute for Informatics）【德】 　　社会关系；视觉与社会心理学的融合；很奇怪的研究。 Bidirectional Multirate Reconstru...
最新论文阅读（29）
wydbyxr的博客
06-10 1135
RAN: Radical analysis networks for zero-shot learning of Chinese characters - 2017年11月 - - 中科大 　　用于汉字识别（其特点就是汉字太多但基础结构大约只有500个）；提出基础结构分析网络（Radical Analysis Networks，RAN)；网络结构是CNN编码器+RNN解码器；是一种ze...
set user & password for database 设置数据库 用户和密码
DavidsonGong的博客
07-12 151
USE sbms;
7.10飞书一面面经
东篱君的博客
07-10 1208
B+树的⾮叶⼦节点不存放实际的记录数据，仅存放索引，所以数据量相同的情况下，相⽐存储即存索引⼜存记录的 B 树，B+树的⾮叶⼦节点可以存放更多的索引，因此 B+ 树可以⽐ B 树更「矮胖」，查询底层节点的磁盘 I/O次数会更少。主从复制：单节点Redis的并发能力是有上限的，要进一步提高Redis的并发能力，可以搭建主从集群，实现读写分离。B+ 树有⼤量的冗余节点（所有⾮叶⼦节点都是冗余索引），这些冗余索引让 B+ 树在插⼊、删除的效率都更⾼，⽐如删除根节点的时候，不会像 B 树那样会发⽣复杂的树的变化；
Redis集群和高可用
最新发布
xiaogengtongxu的博客
07-13 578
主从架构无法实现master和slave角色的自动切换，即当master出现redis服务异常、主机断电、磁盘损坏等问题导致master无法使用，而redis主从复制无法实现自动的故障转移(将slave 自动提升为新master)，需要手动修改环境配置,才能切换到slave redis服务器，另外当单台Redis服务器性能无法满足业务写入需求的时候,也无法横向扩展Redis服务的并行写入性能。master和slave角色的无缝切换，让业务无感知从而不影响业务使用。
noscope optimizing
10-28
"Noscope optimizing"是一个计算机科学术语，指的是在不进行准确测量或准备的情况下优化算法或系统。这种方法通常用于快速迭代开发和实验中，以提供一种高效的优化解决方案。 Noscope optimizing着重于快速尝试不同...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值