边缘智能:关键技术与落地实践电子书

版权页

作者简介

内容简介

前言

第1章　边缘智能：“智能+”的新风口

1.1　边缘智能产生的“大背景”

1.1.1　新一代信息技术的推动发展

1.1.2　国家政策的支持和引导

1.1.3　资本与业务需求的推动

1.2　身边的边缘智能“小案例”

1.2.1　京东快递与菜鸟驿站

1.2.2　智能快递柜收费“风波”

1.3　边缘智能发展的三大阶段

1.3.1　第一阶段：边缘智能探索

1.3.2　第二阶段：“智能+”边缘

1.3.3　第三阶段：边缘智能体系

1.4　站在“智能+”的新风口

1.4.1　“智能+”技术的新融合

1.4.2　应用行业的多维度

1.4.3　新兴市场的大繁荣

1.5　本章小结

第2章　何为边缘智能

2.1　边缘智能的定义

2.2　边缘智能的前世今生

2.2.1　网络通信角度的演进

2.2.2　计算服务角度的演进

2.2.3　“智能+”角度的演进

2.3　边缘智能面临的挑战及研究方向

2.3.1　面临的挑战：安全、智能应用和优化

2.3.2.　研究方向：安全、智能、协同、优化

2.4　边缘智能的重要应用场景

2.4.1　无人驾驶

2.4.2　智能安防

2.4.3　智能家居

2.4.4　工业机器人

2.5　本章小结

第3章　“云-边-端”体系架构

3.1　系统工程方法论

3.1.1　系统工程概述

3.1.2　基本方法

3.2　体系架构模型

3.2.1　概念框架

3.2.2　层次结构

3.3　协同模式

3.3.1　“云-边”协同

3.3.2　“边-边”协同

3.3.3　“边-端”协同

3.3.4　“云-边-端”协同

3.4　度量指标

3.5　前沿方向

3.5.1　“云-边-端”区块链

3.5.2　边缘云原生容器服务

3.5.3　“云-边-端”一体化机器人系统

3.6　本章小结

第4章　边缘智能中的数据与信任

4.1　区块链技术概述

4.1.1　基础架构

4.1.2　重要组件

4.1.3　主流开源技术

4.2　数据管理与隐私保护

4.2.1　数据管理架构

4.2.2　隐私保护

4.3　边缘智能中的信任

4.3.1　信任的基本概念

4.3.2　信任管理

4.4　解决方案

4.4.1　服务模式层面的解决方案

4.4.2　部署方式层面的解决方案

4.5　前沿方向

4.5.1　面向资源受限环境的性能扩展

4.5.2　跨域的分布式信任

4.5.3　智能应用与隐私保护的平衡

4.6　本章小结

第5章　边缘智能中的模型与安全

5.1　模型压缩

5.1.1　深度神经网络基础

5.1.2　模型压缩方法

5.1.3　模型压缩工具框架

5.2　联邦学习

5.2.1　基本概念

5.2.2　安全性分析

5.3　解决方案

5.3.1　百度联邦学习框架PaddleFL

5.3.2　微众银行联邦学习框架FATE

5.3.3　腾讯联邦学习框架AngelFL

5.3.4　平安科技联邦学习平台“蜂巢”

5.4　前沿方向

5.4.1　面向“云-边-端”应用的模型压缩

5.4.2　面向边缘智能的联邦学习

5.5　本章小结

第6章　边缘智能中的资源与优化

6.1　计算卸载

6.1.1　基本流程

6.1.2　运行机制

6.1.3　策略分类

6.2　资源分配优化

6.2.1　最优化理论基础

6.2.2　马尔可夫决策过程

6.2.3　深度强化学习

6.2.4　资源分配优化问题建模

6.3　解决方案

6.3.1　面向不可分割任务的计算卸载方案

6.3.2　面向可分割任务的协同计算卸载方案

6.3.3　多节点资源分配方案

6.4　前沿方向

6.4.1　新型计算卸载策略

6.4.2　“云-边-端”高效的资源分配优化模型

6.4.3　数据安全协同模式解决安全性问题

6.5　本章小结

第7章　智能安防场景下的边缘智能实践

7.1　实践背景

7.1.1　智能安防的发展、挑战和新要求

7.1.2　危险物品检测

7.2　技术梳理

7.2.1　视觉目标检测

7.2.2　轻量级卷积神经网络

7.3　实践案例：基于Jetson Nano的枪支检测

7.3.1　基础环境准备

7.3.2　数据集准备

7.3.3　模型训练

7.3.4　测试部署

7.4　本章小结

参考资源

第8章　智慧电梯场景下的边缘智能实践

8.1　实践背景

8.1.1　智慧电梯：无接触式交互的“垂直出行”

8.1.2　智能语音：人机交互的“私人助手”

8.2　技术梳理

8.2.1　语音识别：人工智能关键步骤

8.2.2　智慧电梯语音指令识别流程

8.3　实践案例：基于深度神经网络的通用电梯语言指令识别

8.3.1　基础环境与数据集构建

8.3.2　模型设计与训练

8.3.3　性能测试

8.4　实践案例：基于树莓派的可编程电梯语音识别

8.4.1　基础环境

8.4.2　GPIO编程

8.4.3　部署测试

8.5　本章小结

参考资源

第9章　智慧社区场景下的边缘智能实践

9.1　实战背景

9.1.1　智慧社区：民生的智慧“生活圈”

9.1.2　社区中生活垃圾分类

9.2　技术梳理

9.2.1　垃圾图像分类

9.2.2　联邦学习

9.3　实践案例：基于联邦学习的垃圾图像分类

9.3.1　基础环境：FATE

9.3.2　数据集构建

9.3.3　模型构建

9.3.4　训练与测试结果

9.4　本章小结

参考资源

第10章　智慧医疗场景下的边缘智能实践

10.1　实践背景

10.1.1　智慧医疗：患者数据获取、知识发现和远程服务模式

10.1.2　医疗数据隐私保护

10.2　技术梳理

10.2.1　联盟区块链医疗数据管理

10.2.2　云原生软件开发

10.3　实践案例：基于联盟区块链的医疗数据隐私保护方案

10.3.1　总体框架设计

10.3.2　基础环境部署

10.3.3　功能实现

10.4　本章小结

参考资源

第11章　智慧交通场景下的边缘智能实践

11.1　实践背景

11.1.1　智慧交通：“云-边-端”架构下“人-车-路”协同

11.1.2　计算机视觉

11.2　技术梳理

11.2.1　车牌识别

11.2.2　智慧交通应用系统设计

11.3　实践案例：基于计算机视觉的智慧交通应用系统实现

11.3.1　基础环境搭建

11.3.2　功能实现

11.4　本章小结

参考资源

第12章　开源平台

12.1　面向终端的边缘智能开源平台

12.1.1　EdgeX Foundry：工业场景标准化智能框架

12.1.2　Fledge：独立开放互操作智能框架

12.1.3　ioFog：Eclipse开发的边缘智能平台

12.1.4　Edgent：Apache开源的边缘智能模型

12.2　面向边端的边缘智能开源平台

12.2.1　Akraino Edge Stack：高性能边端服务框架

12.2.2　CORD：灵活重构的网络边缘基础设施

12.2.3　StarlingX：面向边缘智能的OpenStack集成平台

12.3　面向“云-边-端”协同的边缘智能开源平台

12.3.1　OpenEdge：百度云计算能力的智能拓展

12.3.2　Azure IoT Edge：微软云边混合智能框架

12.3.3　KubeEdge：CNCF云原生服务的边缘智能基础设施

12.3.4　Link Edge：阿里云一体化协同计算体系

12.3.5　IEF：华为云企业级边缘智能服务

12.4　本章小结

参考资源

参考文献

致谢