فشرده سازی مدل های هوش مصنوعی برای پردازش تصویر در دوربین های شهری (رویکردی نوین برای شهرهای هوشمند)

گسترش شبکه های دوربین های نظارتی در شهرهای مدرن، فرصتی بی نظیر برای پیاده سازی سیستم های هوش مصنوعی در مقیاس شهری فراهم کرده است. با این حال، مدل های یادگیری عمیق که دقت بالایی در پردازش تصویر دارند، معمولا به منابع محاسباتی سنگین نیاز دارند که با محدودیت های سخت افزاری دوربین های لبه ناسازگار است. این مقاله به بررسی جامع روش های فشرده سازی مدل های هوش مصنوعی از جمله هرس سازی، کوانتیزاسیون، تقطیر دانش و جداسازی ماتریسی — می پردازد و چارچوبی یکپارچه برای استقرار این مدل ها در زیرساخت دوربین های شهری پیشنهاد می دهد. هدف اصلی، دستیابی به تعادل بهینه میان دقت تشخیص، سرعت پردازش و مصرف انرژی است؛ به گونه ای که کاربردهایی مانند مدیریت ترافیک، پایش امنیت عمومی و شناسایی رویدادهای شهری در محیط های لبه امکان پذیر شوند.