論文の概要: Optimizing video analytics inference pipelines: a case study
- arxiv url: http://arxiv.org/abs/2512.07009v1
- Date: Sun, 07 Dec 2025 21:17:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.635949
- Title: Optimizing video analytics inference pipelines: a case study
- Title（参考訳）: ビデオ分析推論パイプラインの最適化 : ケーススタディ
- Authors: Saeid Ghafouri, Yuming Ding, Katerine Diaz Chito, Jesús Martinez del Rincón, Niamh O'Connell, Hans Vandierendonck,
- Abstract要約: 本稿では,養鶏福祉モニタリングシステムの最適化に関する包括的ケーススタディを提案する。
我々は、マルチレベル並列化、GPUアクセラレーションコードによるCPUコード置換による最適化、ベクトル化クラスタリング、メモリ効率の高い後処理など、一連の最適化を導入する。
- 参考スコア（独自算出の注目度）: 3.4152678224558333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cost-effective and scalable video analytics are essential for precision livestock monitoring, where high-resolution footage and near-real-time monitoring needs from commercial farms generates substantial computational workloads. This paper presents a comprehensive case study on optimizing a poultry welfare monitoring system through system-level improvements across detection, tracking, clustering, and behavioral analysis modules. We introduce a set of optimizations, including multi-level parallelization, Optimizing code with substituting CPU code with GPU-accelerated code, vectorized clustering, and memory-efficient post-processing. Evaluated on real-world farm video footage, these changes deliver up to a 2x speedup across pipelines without compromising model accuracy. Our findings highlight practical strategies for building high-throughput, low-latency video inference systems that reduce infrastructure demands in agricultural and smart sensing deployments as well as other large-scale video analytics applications.
- Abstract（参考訳）: コスト効率が高くスケーラブルなビデオ分析は、精度の高い家畜の監視に不可欠である。
本稿では,検知,追跡,クラスタリング,行動分析モジュールのシステムレベルの改善を通じて,養鶏の福祉モニタリングシステムを最適化するための包括的ケーススタディを提案する。
マルチレベル並列化、GPUアクセラレーションコードによるCPUコードの置換による最適化、ベクトル化クラスタリング、メモリ効率の高い後処理など、一連の最適化を導入する。
実世界の農場のビデオ映像から評価すると、これらの変更は、モデルの精度を損なうことなく、パイプライン全体の最大2倍のスピードアップをもたらす。
本研究は,農業・スマートセンシング展開におけるインフラ需要を低減し,その他の大規模ビデオ分析アプリケーションを構築するための,高スループットで低レイテンシなビデオ推論システムを構築するための実践的戦略を強調した。
関連論文リスト
- Video-LMM Post-Training: A Deep Dive into Video Reasoning with Large Multimodal Models [78.32948112203228]
ビデオ理解はコンピュータビジョンにおける最も困難なフロンティアである。
近年,映像理解タスクにおいて,映像多時間モデルが顕著に出現している。
Surveyは、ビデオ-LMM能力を向上するための統一的なフレームワークを研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-10-06T17:10:44Z) - Deep Learning and Hybrid Approaches for Dynamic Scene Analysis, Object Detection and Motion Tracking [0.0]
本研究の目的は,活動の検出に基づいて映像を小さなクリップに分割する,堅牢な映像監視システムを開発することである。
例えば、CCTVの映像を使って、人や泥棒の外観のような主要なイベントのみを記録し、ストレージを最適化し、デジタル検索がより簡単になる。
論文 参考訳（メタデータ） (2024-12-05T07:44:40Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Turbo: Opportunistic Enhancement for Edge Video Analytics [15.528497833853146]
本稿では,非決定論的および断片的アイドルGPU資源を用いたオポチュニティデータ拡張問題について検討する。
本稿では,タスク固有の識別・拡張モジュールと,モデル対応の対人訓練機構を提案する。
我々のシステムは、遅延コストを発生させることなく、オブジェクト検出の精度を7.3～11.3%向上させる。
論文 参考訳（メタデータ） (2022-06-29T12:13:30Z) - A Reinforcement-Learning-Based Energy-Efficient Framework for Multi-Task
Video Analytics Pipeline [16.72264118199915]
ビデオ分析パイプラインは、高いデータレートと複雑な推論アルゴリズムに依存するため、エネルギー集約的である。
マルチタスクビデオ解析パイプラインのエネルギー使用を最小限に抑える適応解像度最適化フレームワークを提案する。
私たちのフレームワークは、YouTube-VISデータセットで同様の精度の全てのベースラインメソッドを大幅に上回りました。
論文 参考訳（メタデータ） (2021-04-09T15:44:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。