【技术实现步骤摘要】
一种边缘端大尺寸图像目标检测系统及方法
[0001]本专利技术属于图像处理、智能计算
，尤其涉及一种边缘端大尺寸图像目标检测系统及方法。
技术介绍
[0002]随着深度学习技术的兴起，图像分割、目标检测等图像处理任务取得了显著的效果提升，但复杂的神经网络规模和巨大的参数量使得边缘端基于深度学习算法的计算效率较低。一般来说，在边缘端可以通过模型压缩、量化，CPU多核加速，矢量加速，异构加速等手段提升深度学习的计算效能。但受限于边缘设备整体能耗比的限制，单个设备节点往往只能处理较小尺寸的图像，对于大尺寸的图像缺乏有效的处理方式。除了资源消耗问题，大尺寸图像随着多层特征提取和池化操作，原本像素占比较小的目标像素数进一步减小，检测结果的准确度受到极大地影响。
[0003]分布式边缘计算是一种边缘侧的分布式计算模式。相对于云端计算来说，边缘计算的计算任务更靠近数据侧，能够有效减小数据传输代价，提高实时性。并且，边缘式计算由于不需要将数据传输至云端，可以有效保护数据隐私，对于数据敏感型、数据安全型应用来说具有不可替代的优势...
【技术保护点】
【技术特征摘要】
1.一种边缘端大尺寸图像目标检测系统，其特征在于，所述系统包括：一个中心节点、多个计算节点，至少一个交换节点和系统存储器；所述交换节点，用于将一个中心节点和多个计算节点互联；所述中心节点，用于实现数据的分发、数据同步和结果上报，并通过交换节点与各个计算节点进行通信；所述计算节点，用于完成具体的计算任务；所述系统存储器，用于存储图像数据和计算产生的中间数据。2.根据权利要求1所述的一种边缘端大尺寸图像目标检测系统，其特征在于，所述中心节点和计算节点包含异构的多核CPU、内存、GPU、NPU协处理单元，计算节点为同质化节点。3.一种边缘端大尺寸图像目标检测方法，其特征在于，所述方法基于如权利要求1
‑
2中任一项所述的系统实现，所述方法包括：S1，中心节点对输入的原始大尺寸图像进行预处理，完成原始大尺寸图像的分块处理，得到待检测的图像块集合；S2，各个计算节点获取待检测的图像块，完成图像块中的目标检测，并将目标的类别、位置、置信度信息上报中心节点，直到待检测的图像块集合为空；S3，中心节点根据各个计算节点上报的信息进行目标检测的结果融合。4.根据权利要求3所述的一种边缘端大尺寸图像目标检测方法，其特征在于，S1具体为：中心节点根据预设的图像块宽和高，以及图像块之间的重叠区域对原始大尺寸图像进行分割，形成图像块集合。5.根据权利要求4所述的一种边缘端大尺寸图像目标检测方法，其特征在于，所述图像块结合采用队列Q的形式维护每个图像块在原始大尺寸图像中的坐标，Q＝[B0，B1，
…
...
【专利技术属性】
技术研发人员：李威，曲国远，李忠威，童歆，徐佩园，魏大洲，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。