立项评审通过 创新训练 510电子与通信技术 通信网络未定级

随着机器学习技术的进步，图像识别任务成为目前的研究热点之一，广泛应用于医疗影像分析、自动驾驶、安防监控、VR等领域。这些多样化的场景无一不对实时性提出了极高的要求，但由于深度神经网络的计算密集特性，目前的识别系统主要在远端的云服务器上计算，存在隐私泄露，实时性低等缺点。本项目致力于在确保任务精度的同时，通过规划模型分割点与中间表示压缩率并联合优化网络资源，实现高效的分布式端-边联合推理。 通过模型分割和端-边协同，充分利用网络计算资源，在保证目标识别的准确性和用户隐私的同时提高系统的实时性。本项目的实施将有效解决现有图像识别系统中的隐私泄露和高延迟问题，优化不均衡的网络资源规划，拓展图像识别技术的应用场景。