近日，实验室博士生吕现伟（导师余辰教授）的论文“A Feedback-Driven DNN Inference Acceleration System for Edge-Assisted Video Analytics”被 IEEE Transactions on Computers 录用。

边缘计算的提出极大地促进了人工智能（Artificial Intelligence，AI）应用的发展，特别是基于AI的视频分析任务。考虑到视频数据量大、网络带宽受限等因素，在边缘侧进行视频帧处理时，现有的方法主要是将低分辨率帧或部分关键帧从端侧传输到边缘服务器进行深度神经网络（Deep Neural Networks， 简称DNN）推理。虽然这可以有效地减少视频帧传输和推理时延，加快视频分析速度，但由于关键目标信息的损失，往往导致视频分析精度的降低，特别是那些难以识别的小目标。针对此问题，论文提出了基于反馈驱动的DNN推理加速系统。利用视频帧在时空上的连续性，将边缘服务器返回的先前帧目标检测结果视为反馈信息，基于反馈信息在端侧从当前帧中选出那些包含潜在目标的关键区域，去除当前帧中的任务无关数据，从而减少数据传输时延。更进一步，将这些关键区域进行整合，显著减小DNN检测模型输入图像尺寸，从而加快DNN推理速度。论文在多个视频数据上针对多个目标检测任务进行了实验，结果表明提出的系统可以在保证视频分析精度的同时显著加快视频分析速度。

IEEE Transactions on Computers是计算机体系结构领域的顶级期刊之一，属于中国计算机学会CCF A类期刊，当前影响因子为3.183。

（通讯员：吕现伟）