面向边缘实时视频分析的资源高效持续学习方法及系统

本发明提供了面向边缘实时视频分析的资源高效持续学习方法及系统，包括实时视频分析和模型重训练；设计面向RoI粒度的在线模型精度下降预测器；持续收集轻量化模型相较于高精度模型的精度下降程度；然后设计一种双层混合样本池，并基于所设计的面向RoI粒度的在线模型精度下降预测器；随机引入一定比例的RoI历史样本以缓解灾难性遗忘问题；最后开发基于深度强化学习DRL的重训练进度控制器；基于每个轮次的评估结果，动态估计模型收敛状态以决定重训练终止时机；通过引入行为克隆BC损失函数，控制器在离线训练阶段更快地收敛最佳策略。本技术方案对提高MEC环境下的SP收益具有重要积极意义。