欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025101567455
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于异构计算的低分辨率对象目标检测方法,其特征在于,包括:接收用户发送的图像处理请求以及待处理图像;

确定所述待处理图像的分辨率级别,并获取当前系统的能耗级别;

根据当前系统的能耗级别调用对应等级的识别策略;

基于调用的识别策略,根据所述待处理图像的分辨率级别,调整所述识别策略的执行效率,作为执行策略;

通过所述执行策略对所述待处理图像进行低分辨率对象目标检测,输出目标检测图像;

其中,所述识别策略的等级至少包括:一级识别策略、二级识别策略和三级识别策略;

各等级的识别策略所采用的识别算法不同,所述一级识别策略的能耗和处理能力大于二级识别策略大于三级识别策略。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:判断所述图像处理请求中是否包含用户要求的识别策略等级;

若所述图像处理请求中包含用户要求的识别策略等级,判断用户要求的识别策略等级是否超过当前调用的识别策略等级;

若用户要求的识别策略等级未超过当前调用的识别策略等级,则维持当前的执行策略;

若用户要求的识别策略等级超过当前调用的识别策略等级,则确定当前执行策略对应的执行效率是否超过设定效率阈值;

若当前执行策略对应的执行效率未超过设定效率阈值等级,则调整所述识别策略的执行效率至最大值,更新执行策略;

若当前执行策略对应的执行效率超过设定效率阈值,则根据用户要求的识别策略等级更新执行策略。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:若用户要求的识别策略等级超过预设的识别策略等级,判断当前系统的能耗级别是否低于预设能耗阈值;

若当前系统的能耗级别不低于预设能耗阈值,判断当前执行策略对应的执行效率是否为一级识别策略的最大值;

若当前执行策略对应的执行效率为一级识别策略的最大值,则在一级识别策略全效率执行的基础上,同步全效率执行二级识别策略对所述待处理图像进行低分辨率对象目标检测;

若当前执行策略为一级识别策略,但对应的执行效率不为一级识别策略的最大值,则在一级识别策略全效率执行的基础上,同步全效率执行三级识别策略对所述待处理图像进行低分辨率对象目标检测。

4.根据权利要求3所述的方法,其特征在于,所述方法还包括:若当前系统的能耗级别低于预设能耗阈值,则同步全效率执行全部识别策略对所述待处理图像进行低分辨率对象目标检测。

5.根据权利要求3-4任一项所述的方法,其特征在于,所述方法还包括:对各识别策略赋予权重;

根据各识别策略赋予的权重,对全部识别策略的目标检测结果进行融合,输出一致性检测结果。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取当前显示系统的参数,根据当前显示系统的参数确定显示图像格式;

将所述目标检测图像转换为所述显示图像格式;

对显示图像格式的目标检测图像通过直方图均衡化进行图像增强处理,通过高斯滤波进行噪声滤除;

根据当前显示系统的参数确定分辨率;

通过双线性插值法根据当前显示系统的分辨率对处理后的目标检测图像进行分辨率调整;

将分辨率调整后的目标检测图像通过当前显示系统进行输出。

7.根据权利要求1所述的方法,其特征在于,所述一级识别策略包括:基于GPU的并行计算能力和高带宽内存访问能力,通过第一识别算法对所述待处理图像进行低分辨率对象目标检测;

所述第一识别算法包括:

通过Transformer编码器的自注意力机制捕捉所述待处理图像的全局依赖关系;

根据待处理图像的全局依赖关系,向待处理图像中逐步添加噪声,经过T步后,得到完全随机化的特征图;

在完全随机化的特征图中逐步减少噪声,经过T步后,恢复待处理图像;

对添加噪声并逆向去噪后的待处理图像在不同尺度上提取特征,并将提取的特征进行融合;其中,各尺度分配有不同的权重;

对进行特征融合后的图像进行低分辨率对象目标检测,输出目标检测图像。

8.根据权利要求1所述的方法,其特征在于,所述二级识别策略包括:基于ARM的多核心并行结构,根据不同负载动态调整频率;

通过第二识别算法对所述待处理图像进行低分辨率对象目标检测;

所述第二识别算法包括:

对所述待处理图像进行分层的多尺度特征提取,通过不同尺度的卷积核,在所述待处理图像上得到不同尺度的特征图;

将得到的不同尺度的特征图送入融合层,获得融合后的综合特征图;

对融合后的综合特征图进行低分辨率对象目标检测,输出目标检测图像;

其中,融合过程包括:对不同尺度的特征图进行拼接,通过一个卷积操作整合多尺度特征;

在综合特征图的基础上引入层级注意力机制,自适应地调节所述综合特征图中不同区域的特征重要性;

融合空间域和频域特征,通过插值方法对综合特征图进行上采样,将综合特征图扩大至目标分辨率。

9.根据权利要求1所述的方法,其特征在于,所述三级识别策略包括:基于MIPS指令集架构的多级流水线进行指令调度;

基于设定的内存访问次数和内存访问模式进行内存访问;

根据当前任务负载动态调整CPU和神经网络加速器的工作频率和电压;

通过第三识别算法动态地筛选所述待处理图像中重要度符合要求的特征区域进行识别;

所述第三识别算法包括:

对所述待处理图像进行稀疏化处理;

在稀疏化处理后的图像上应用卷积核进行自适应稀疏卷积操作,在卷积过程中动态地跳过零值特征;

将卷积后的图像通过池化层和全连接层进行特征提取和分类;

输出目标检测图像,包括目标的位置、类别和置信度。

10.一种基于异构计算的低分辨率对象目标检测系统,其特征在于,包括:接收模块,用于接收用户发送的图像处理请求以及待处理图像;

确定模块,用于确定所述待处理图像的分辨率级别,并获取当前系统的能耗级别;

调用模块,用于根据当前系统的能耗级别调用对应等级的识别模块;

调整模块,用于基于调用的识别模块,根据所述待处理图像的分辨率级别,调整所述识别模块的执行效率,作为执行模块;

执行模块,用于对所述待处理图像进行低分辨率对象目标检测,输出目标检测图像;

其中,所述识别模块的等级至少包括:一级识别模块、二级识别模块和三级识别模块;

各等级的识别模块所采用的识别算法不同,一级识别模块的能耗和处理能力大于二级识别模块大于三级识别模块。