本文详细介绍了边缘检测算法，包括传统算子如Roberts、Prewitt、Sobel等，以及Holistically-Nested边缘检测模型的结构和实现。同时，文章探讨了边缘计算在安全帽检测和仓储系统中的应用，使用PaddleDetection进行模型训练和EdgeBoard上的部署，强调了边缘计算在减少延迟和提高安全性方面的优势。
目录
PaddleDetection+EdgeBoard：边缘计算的安全帽检测
前言
边缘运算（英语：Edge computing），又译为边缘计算，是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。
将“边缘”定义为沿着数据源和云数据中心之间路径中的任何计算和网络资源。例如，智能手机是用户与云之间的边缘，智能家庭中的网关是家庭与云之间的边缘，微数据中心（micro data center）和云计算（cloudlet）是移动设备与云之间的边缘。边缘计算的基本原理是计算应该发生在数据源的接近处的处理。从研究者的角度来看，边缘计算与雾计算（fog computing ）是可互换的，但是边缘计算更关注事物（thing）面，而雾计算更关注基础设施（infrastructure ）方面。
数据越来越多地出现在网络的边缘，因此，在网络边缘处，处理数据也会更有效。以前的工作，如微数据中心（micro datacenter ）、cloudlet （微云）和雾计算已被引入社区，因为当数据在网络边缘产生时，云计算并不
订阅专栏 解锁全文
扫一扫
1184
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
