近日，我校计算机科学与技术学院 (网络空间安全学院)陶铭教授团队在消费电子领域的国际期刊《IEEE Transactions on Consumer Electronics》发表题为“MDP-EEC: Model Distillation and Partitioning enhanced End-Edge Collaboration Computing for Consumer Electronics”的研究论文。该成果以东莞理工学院为第一完成单位，陶铭教授为论文通讯作者，研究生陈钟南为论文第一作者。

深度神经网络（DNN）模型广泛应用于消费电子领域的各类智能服务应用中，如图像识别。然而，DNN模型规模和计算复杂度的不断增加，使得在计算能力限制的终端设备上实现低延迟图像识别带来了巨大挑战。受益于边缘计算的低延迟特性，终端-边缘协同计算能够提供一种有前景的解决方案。本文设计了一种名为MDP-EEC的终端-边缘协同计算框架，用于高效的图像识别，该框架集成了知识蒸馏、模型划分和最小延迟调度器。具体而言，提出了一种改进的知识蒸馏方法，用于将大模型压缩为带侧分支分类器的轻量级模型，并对计算图进行分析，以将轻量级模型静态划分为多个推理模块，分布在终端设备和边缘服务器上。为了最小化MDP-EEC中的图像识别延迟，设计了一种最小延迟调度器来优化推理模块的分配。通过使用Kaggle中的用于质量检测的工业铸件产品图像数据集进行实验，结果表明了MDP-EEC的有效性。

据悉，IEEE Transactions on Consumer Electronics是消费电子国际期刊之一，属于中科院JCR二区期刊，2024年影响因子为10.9。该期刊聚焦于推动面向消费者的大众市场电子产品、系统、软件和服务的理论、设计、构造、制造或最终使用的工程和研究方面。

文章连接：https://ieeexplore.ieee.org/document/11039722

一审 | 陶铭

二审 | 尹建明

三审 | 廖文波