一种边缘端大尺寸图像目标检测系统及方法技术方案

本发明专利技术属于图像处理、智能计算技术领域，尤其涉及一种边缘端大尺寸图像目标检测系统及方法，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，解决大尺寸图像在边缘端的实时、准确的目标检测问题。准确的目标检测问题。准确的目标检测问题。

【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。
[0004]分布式边缘计算通过将原始单节点任务分布至多个计算节点采用异步并行处理方式，能够极大提升大尺寸图像处理系统的整体吞吐能力，但如何进行任务拆分、任务调度与结果同步是急需要解决的技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种边缘端大尺寸图像目标检测系统及方法，来解决大尺寸图像在边缘端的实时、准确的目标检测问题。
[0006]本专利技术的技术方案：
[0007]一方面，本专利技术提供了一种边缘端大尺寸图像目标检测系统，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；
[0008]所述交换节点，用于将一个中心节点和多个计算节点互联；
[0009]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；
[0010]所述计算节点，用于完成具体的计算任务；
[0011]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。
[0012]进一步的，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。
[0013]另一方面，本专利技术提供一种边缘端大尺寸图像目标检测方法，所述方法包括：
[0014]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；
[0015]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；
[0016]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。
[0017]进一步的，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；
[0018]进一步的，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，
…
，B
N
]，其中，B
i
(i∈[0，N])为每个图像块的坐标，包含：图像块在原始大尺寸图像中的左上角顶点坐标、以及图像块的宽和高。
[0019]进一步的，S2中，计算节点采用深度学习网络完成图像块中的目标检测，所述深度学习网络可以为一阶段网络也可以为二阶段网络。
[0020]进一步的，所述方法还包括：
[0021]若计算节点在时间阈值Ts内未返回目标检测结果，则认为该计算节点异常，终止该计算节点的计算任务，并将该计算节点当前处理的图像块重新放入图像块集合，时间阈值Ts为计算节点平均处理时间的两倍。
[0022]进一步的，S3具体为：
[0023]S31，若计算节点上报的目标检测结果中，目标落在分割重叠区域以外，则直接采纳该目标检测结果；并根据图像块在原始大尺寸图像的坐标将目标检测结果映射到原始大尺寸图像中；
[0024]S32，若计算节点上报的目标检测结果中，目标落在分割重叠区域内，则忽略此次检测结果，中心节点重新进行该部分图像块的生成，并将生成的图像块放在待检测的图像块集合中。
[0025]进一步的，S32具体为：若目标检测框落在分割重叠区域，且检测框的边界距离图像块边界的最小距离小于阈值T，则以该重叠区域的中心为中心点重新进行图像块的采样，采样宽度和高度与S1中图像块相同，将采样结果放入队列Q。
[0026]本专利技术具有以下技术效果：
[0027]1、本专利技术提出的一种边缘端大尺寸图像目标检测系统采用高性能低功耗异构计算资源为主要节点，进行分布式互联扩展，能够根据任务规模灵活部署节点数量，提升系统整体能效比。
[0028]2、本专利技术提出的一种边缘端大尺寸图像目标检测方法，实现了大尺寸图像的并行计算，结合所提出的分布式边缘计算目标检测系统，能够实现大尺寸图像边缘端实时检测。
[0029]3、本专利技术通过图像块的重叠分割与再采样机制，确保大尺寸图像目标检测结果的准确性和完整性。
附图说明
[0030]图1是本专利技术的一种边缘端大尺寸图像目标检测系统连接示意图；
[0031]图2是本专利技术中大尺寸图像目标检测的算法流程；
[0032]图3是本专利技术中大尺寸图像的分割示意图。
具体实施方式
[0033]为进一步说明本专利技术的
技术实现思路
，以下结合附图及实施案例对本专利技术进行详细说明。
[0034]本专利技术的专利技术目的采用以下技术方案实现：
[0035]本专利技术实施例提供一种边缘端大尺寸图像目标检测系统，该系统包括中心节点、若干计算节点、互联节点及系统存储；
[0036]1)中心节点和计算节点通过互联节点进行互联；
[0037]2)中心节点一般为1个，计算节点的数量取决于任务规模和整体系统的性能要求；
[0038]3)系统存储用于存储图像数据和计算产生的中间数据。
[0039]优选地，所述中心节点用于实现数据的分发、数据同步和结果上报，所述计算节点用于完成具体的计算任务。
[0040]优选地，所述中心节点和计算节点对于硬件资源的构成不加以区分，其硬件组成包括多核CPU、内存，及GPU、NPU协处理单元。GPU、NPU通过底板总线与CPU互联。CPU运行操作系统及相应的驱动、运行时库，与GPU、NPU组成异构节点单元。
[0041]可选地，所述互联节点由以太网交换机组成，其数量和扩展方式由计算节点数量决定。
[0042]一种边缘端大尺寸图像目标检测方法，该方法通过多节点的分布式边缘计算架构，实现大尺寸图像的实时、准确的目标检测，具体包括以下步骤：
[0043]1)中心节点接收待处理图像，按照像素坐标将原始图像分割为多个图像块，所有的图像块形成待处理的图像块集合；
[0044]2)各计算节点从集合中获本文档来自技高网...

【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：