边缘AI挑战赛之光：通过检测异常节省带宽

TensorFlow与Keras加持，基于NVIDIA Jetson Nano的新应用助力智慧城市应用下网络和云资源的最佳整理利用。

今天的智慧城市应用主要依赖于对大量摄像头视频数据的分析。由此，对视频中最相关的事件的识别与推理能力对于构建高效、可扩展的应用至关重要。

在最近结束的边缘AI挑战赛中，SmellslikeML团队提出了一个基于NVIDIA Jetson Nano的应用，并以此斩获智能视频分析和智慧城市类别二等奖。

该应用的核心是在Jetson Nano上使用TensorFlow和Keras进行模型学习和运行的自动编码器模型。模型通过学习每个即将出现的视频帧的场景上下文实现标记异常事件的能力开发。该小组建议使用DeepStream SDK处理这些异常事件，从而做出进一步推理，例如识别和追踪场景中的对象。

在有连续活动的场景中（例如繁忙的道路），这种追踪并标记异常图像的方法优于简单的运动检测算法。在下面的视频中，该应用正确标记了异常事件，此过程中的图像馈送也减少了100倍。

模型正确识别可以进一步分析的异常事件

根据该团队的建议，这一模型可以应用于视频分析管道中，从而实现智慧城市应用中对网络和云资源的最佳整理利用。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!