Computer vision 有针对二值图像的快速目标检测方法吗？

我目前的任务是从二值图像中检测异常斑点

我训练了简单的卷积神经网络模型，用于对1个点的异常进行分类

我需要从大图像中检测异常点

它需要数千个分类来检查整个像素。（我正在使用这种方法，但它需要大量的时间。）

下面是大图像的示例

*需要检查白色/黑色图案。（似乎很难分割）

*黄色框的大小为CNN的1个补丁

*黄色框的中心是异常点的位置

---

什么是“异常点”？您是否有标记为“良好”的图像和标记为“缺陷”的图像？是的。我有数据集。有好人和侦探。但缺陷图像的异常点位于中心（黄色框的中心）。而一般输入的补丁大小将类似于黄色框的大小。所以我需要扫描图像。但是保守的扫描方法需要大量的计算。很抱歉，我仍然不明白缺陷是什么。无法上传它的图像？我的意思是滑动窗口方法。（类似于从大图像中查找人脸）。但这对我的应用程序来说太慢了。检查示例图像的整个网格（400x400像素图像用80X80子检查）需要大约6400次推断。每1次图像检查需要3秒。什么是“异常点”？您是否有标记为“良好”的图像和标记为“缺陷”的图像？是的。我有数据集。有好人和侦探。但缺陷图像的异常点位于中心（黄色框的中心）。而一般输入的补丁大小将类似于黄色框的大小。所以我需要扫描图像。但是保守的扫描方法需要大量的计算。很抱歉，我仍然不明白缺陷是什么。无法上传它的图像？我的意思是滑动窗口方法。（类似于从大图像中查找人脸）。但这对我的应用程序来说太慢了。检查示例图像的整个网格需要大约6400次推断（400x400像素图像检查80X80次检查），每检查1次图像需要3秒。