任务推理方法、计算机设备和存储介质与流程

本申请涉及分布式边缘计算，尤其涉及一种任务推理方法、计算机设备和存储介质。

背景技术：

1、近年来，无人机（unmanned aerial vehicle，uav）以其部署灵活、机动性高的优势，已广泛应用于农业检测、监控、物流和应急服务等领域。在这些场景中，uav辅助的监控系统在卫星遥感和分布式传感网络等多样化监测任务中扮演着越来越重要的角色。

2、由于uav技术的低成本部署、实时数据采集和多视角观测的特性，使得多uav辅助的监控系统成为一种创新且具有低成本效益的低空监视解决方案。进一步地，深度神经网络（deep neural network，dnn）的快速发展使其成为复杂监控任务的首选。

3、然而，相关技术中的dnn推理方法高度依赖云端强大的计算和缓存资源，却存在响应时间冗长、带宽成本高等问题。且在多uav协同系统中，大量卸载的终端数据对通信基础架构造成巨大压力，这种高强度数据传输会频繁抢占系统带宽资源，也会限制系统可扩展性。

4、基于此，需要一种能够在降低uav系统计算开销的基础上实现高性能推理的任务推理方案。

技术实现思路

1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请提出一种任务推理方法、计算机设备和存储介质。本申请采用的主要技术方案包括：

2、第一方面，本申请提供一种任务推理方法，应用于分布式计算网络；分布式计算网络具有至少两个计算节点；该方法包括：获取原始推理任务的原始图像数据；基于原始图像数据进行冗余区域筛选剔除处理，以得到目标输入数据；对原始推理任务进行任务拆分，以得到至少两个子推理任务；其中，子推理任务按推理运算的先后顺序依次衔接；在分布式计算网络中确定每个子推理任务的目标计算节点，以使目标计算节点利用目标输入数据按推理运算的先后顺序依次执行各个子推理任务，从而得到目标输出结果。

3、通过冗余区域筛选剔除从数据输入端减少无效计算量，降低了单任务的计算开销与数据传输体量。再通过任务拆分与多节点分布式调度，将完整推理任务分解为多个轻量化的子推理任务，并分散至多个计算节点进行协同处理，突破了单节点算力与内存的资源限制，能够在无人机机载计算资源有限的条件下，有效降低系统整体计算开销，同时保障场景分类的推理精度，满足实时监控场景的业务需求。

4、第二方面，本申请还提供一种计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项的方法的步骤。

5、第三方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。

1.一种任务推理方法，其特征在于，应用于分布式计算网络；所述分布式计算网络具有至少两个计算节点；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述在所述分布式计算网络中确定每个所述子推理任务的目标计算节点，以使所述目标计算节点利用所述目标输入数据按所述推理运算的先后顺序依次执行各个所述子推理任务，从而得到目标输出结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于当前子推理任务在所述分布式计算网络中确定当前计算节点，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于当前子推理任务，确定所述分布式计算网络中各个所述计算节点的当前负载数据、当前资源数据以及当前通信数据，包括：

5.根据权利要求4所述的方法，其特征在于，所述当前通信数据包括信道数据和传输数据；所述基于当前节点与候选计算节点的距离数据确定所述当前通信数据，包括：

6.根据权利要求3所述的方法，其特征在于，所述基于所述当前负载数据、所述当前资源数据以及所述当前通信数据对所述分布式计算网络中的计算节点执行延迟度评估，以得到当前评估结果，包括：

7.根据权利要求1所述的方法，其特征在于，所述基于所述原始图像数据进行冗余区域筛选剔除处理，以得到目标输入数据，包括：

8.根据权利要求7所述的方法，其特征在于，所述对所述原始图像数据进行时序依赖分析，得到初始冗余区域，包括：

9.一种计算机设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的方法。