【技术实现步骤摘要】
基于异构计算的目标检测方法、系统和介质
[0001]本申请涉及图像处理领域，尤其是涉及一种基于异构计算的目标检测方法、系统和介质。
技术介绍
[0002]人工智能面世以来，迅猛发展，在不同领域上都得到了广泛应用，如遥感图像、自动驾驶、医学影像诊断和自然语言处理等，其中大多数的人工智能都是以图像处理技术为主，主要可分为图像分类、语义分割和目标检测等。轻量级的算法模型可以加快目标检测速度，但是随着数据量日益剧增，无效的数据也随着数据量的增加而增加，数据复杂度也在提高，使得单个计算硬件的数据处理速度以及计算能力不能满足需求。
技术实现思路
[0003]针对上述现有技术的不足，本专利技术提供一种基于异构计算的目标检测方法、系统和介质。
[0004]一种基于异构计算的目标检测方法，所述方法包括：
[0005]第一设备端从主机端获取待检测图像和目标检测模型的权重数据；
[0006]所述第一设备端加载所述目标检测模型的权重数据，对所述待检测图像进行检测，得到所述待检测图像对应的目标检测框；
...
【技术保护点】
【技术特征摘要】
1.一种基于异构计算的目标检测方法，其特征在于，所述方法包括：第一设备端从主机端获取待检测图像和目标检测模型的权重数据；所述第一设备端加载所述目标检测模型的权重数据，对所述待检测图像进行检测，得到所述待检测图像对应的目标检测框；根据所述目标检测框得到所述待检测图像的目标检测结果；其中，所述目标检测模型的权重数据通过第二设备端训练得到，并存储到所述主机端。2.根据权利要求1所述的方法，其特征在于，所述第一设备端从主机端获取待检测图像和目标检测模型的权重数据之前，所述方法还包括：所述主机端获取训练数据集，所述主机端将所述训练数据集发送至第二设备端，所述第二设备端预先构建待训练的目标检测模型，并根据所述训练数据集训练所述待训练的目标检测模型，得到所述目标检测模型的权重数据；所述第二设备端将所述权重数据发送给所述主机端。3.根据权利要求2所述的方法，其特征在于，所述主机端获取训练数据集的步骤，包括：所述主机端获取初始训练集；针对所述初始训练集进行预处理，得到所述训练数据集，所述预处理包括图像尺度变换、图像增强、图像均值滤波中的至少一种。4.根据权利要求2所述的方法，其特征在于，所述待训练的目标检测模型包括：卷积层、残差块、池化层、上采样层组；所述待训练的目标检测模型的损失函数包括分类损失函数、置信度损失函数和偏移值损失函数。5.根据权利要求4所述的方法，其特征在于，所述方法包括：所述待训练的目标检测模型用于以所述训练数据集中的图像作为输入，通过卷积层、残差块、池化层和上采样组之后，得到特征图；对所述特征图进行全局卷积，得到所述目标检测模型的分类结果。6.根据权利要求2任一...
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。