您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201906-67
论文题目 深度协同端计算的框架与实现技术
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

深度协同端计算的框架与实现技术

首发时间:2019-06-21

张宝昌 1   

张宝昌,男,博导,主要研究方向:计算机视觉

王铖 1   

王铖,男,主要研究方向:边缘计算

王琳娜 2   
  • 1、北京航空航天大学自动化科学与电气工程学院,北京,100191
  • 2、中国运载火箭技术研究院研究发展部,北京,100076

摘要:为进一步提升移动设备的感知能力,推动其往智能化、自主化方向发展。在现有相关研究的基础上,针对国内外研究现状中存在的典型问题,开展针对协同端计算的轻量级机器学习框架相关研究。该框架可以实现传统目标识别算法如Haar +Adaboost、HOG +SVM、等目标检测与识别方法,主要是探讨手工设计的特征对于移动平台的实用性。为了进一步提高系统的性能,结合着深度学习轻量化的目标,以海思人工智能芯片为核心的嵌入式设备为载体,开展计算机视觉如目标识别和跟踪相关理论与平台构建技术的研究。

关键词: 深度协同边缘计算 目标识别 目标跟踪 深度学习

For information in English, please click here

Framework and Implementation of Deep Collaborative Edge Computing

Baochang Zhang 1   

张宝昌,男,博导,主要研究方向:计算机视觉

Cheng Wang 1   

王铖,男,主要研究方向:边缘计算

Linna Wang 2   
  • 1、Beihang University School of Automation Science and Electrical Engineering,Beijing.100191
  • 2、China Academy of Launch Vehicle Technology Research & Development Department,Beijing,100076

Abstract:In order to further enhance the perception ability of mobile devices and promote their development towards intellectualization and autonomy. We solve the challenging problems based on lightweight machine learning framework for collaborative computing on mobile devices and AI chips. This framework can implement conventional object detection methods such as Haar +Adaboost, HOG +SVM. It mainly discusses the practicability of hand-crafted features for mobile platforms. In order to further improve the performance of the system, the lightweight deep learning metFramework and Implementation of Deep Collaborative Edge Computinghods are introduced to solve the computer vision tasks such as object detection and tracking. A platform is implemented on HiSilicon Artificial Intelligence chip, which will benefit both real applications and theoretical development.

Keywords: Deep collaborative edge computing;object detection;object tracking deep learning

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
张宝昌,王铖,王琳娜. 深度协同端计算的框架与实现技术[EB/OL]. 北京:中国科技论文在线 [2019-06-21]. https://www.paper.edu.cn/releasepaper/content/201906-67.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

深度协同端计算的框架与实现技术