English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

In Deep Neural Network (DNN) applications with edge computing, it is possible to process the first DNN layers at the edge and the other layers at the cloud. For image classification, DNNs can infer a high-quality image with high confidence in the first DNN layers. Thus, depending on the image quality, we can avoid sending data to the cloud, reducing the inference time and network utilization. This paper evaluates, experimentally, how image quality impacts the inference time in edge computing infrastructures. In the employed scenario, this work shows that considering image quality reduces inference time up to 35.33%. Resumo. Em aplicações de redes neurais profundas (DNNs) com computação na borda, é possı́vel processar as primeiras camadas da DNN na borda e as demais camadas na nuvem. Quando DNNs são utilizadas para classificação de objetos em imagens de alta qualidade, o processo de inferência pode apresentar um nı́vel de confiança satisfatório já nas primeiras camadas da DNN. Assim, dependendo da qualidade da imagem, é possı́vel evitar o uso da nuvem, reduzindo o tempo de inferência e o uso da rede. Este trabalho avalia, de forma experimental, o impacto da qualidade de imagem no tempo de inferência em infraestruturas de computação na borda. No cenário utilizado, mostra-se que considerar a qualidade da imagem reduz o tempo de inferência em até 35,33%.

Introduzindo a qualidade de imagem como uma nova condição de particionamento de DNN na borda