边缘计算下的AI检测与识别算法综述

摘要：人工智能的迅速发展深刻改变人类社会生活、改变世界。现有的AI算法过分依赖价格昂贵的GPU服务器进行后端处理,智能处理水平受限于传输链路宽带,无法实时智能处理。同时,海量数据的传输更加大网络和服务器负载。随着超低时延与超高可靠性5G时代的到来,实时、智能、安全、隐私等四大趋势催生了边缘计算与前端智能的崛起。首先,概述了边缘计算的发展,介绍了目标检测算法Faster R-CNN中anchor框的选取方式、YOLO提高性能的方式以及SSD基于不同深度特征图提高物体检测的原理,还给出了利用不同深度特征图在通道维度上合并,以及U型网络进行特征复用以提高mAP指标的M2Det算法;其次,介绍了深度卷积神经网络的轻量级优化算法,包括卷积核优化、参数剪枝和共享、知识蒸馏、张量低秩分解以及轻量级网络模型设计;同时,着重阐述了卷积核优化算法;最后,介绍了边缘计算硬件发展历程,给出了边缘计算的各种硬件平台及性能评价指标,展望了边缘计算+AI的发展趋势。