一种面向IPv6物联网网关的边缘智能优化技术

摘要

随着物联网设备的广泛部署应用,海量数据被直接送入互联网中导致网络服务质量变差.虽然深度神经网络技术的发展给数据智能识别分类提供技术支撑,但大量的参数和计算使得这些技术难以被应用于资源受限的网关设备中.因此,提出将知识蒸馏与模型早退方法结合应用于深度神经网络中,在降低模型计算量、保证模型精度的同时提供可选择的检测识别速度.在真实IPv6网络中的实验结果表明,网关设备部署优化模型后网络带宽占用减少用近90％.