[發(fā)明專利]一種基于輕量化網(wǎng)絡的目標檢測方法

在審

• 申請?zhí)枺?/td>: 202010401071.8
• 申請日: 2020-05-13
• 公開（公告）號: CN111666980A
• 公開（公告）日: 2020-09-15
• 發(fā)明（設計）人: 高戈;李瑩;尚瀟雯;李明;陳怡;杜能
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于輕量化網(wǎng)絡的目標檢測方法，其特征在于，包括如下步驟：

Step 101，獲取待檢測圖像，并根據(jù)卷積神經(jīng)網(wǎng)絡得到目標處理值，所述目標處理值包括所述待檢測圖像的分辨率r、所述卷積神經(jīng)網(wǎng)絡的深度w以及寬度d；

Step 102，根據(jù)所述目標處理值，進行復合優(yōu)化處理，得到所述卷積神經(jīng)網(wǎng)絡的最大精確度(ACC)和浮點運算速率(FLOPS)；

Step 103，將最大精確度(ACC)和浮點運算速率(FLOPS)進行優(yōu)化處理，得到目標優(yōu)化值taget，所述目標優(yōu)化值用于衡量所述卷積神經(jīng)網(wǎng)絡中的檢測效率；

taget＝ACC(m)×[FLOPS(m)/T]^w' (6)

其中，ACC(m)和FLOPS(m)表示該卷積神經(jīng)網(wǎng)絡的最大精確度和浮點運算速率，m表示卷積神經(jīng)網(wǎng)絡層數(shù)，其中T和w’是空間參數(shù)；

Step 104，利用優(yōu)化后的卷積神經(jīng)網(wǎng)絡實現(xiàn)待檢測圖像的目標檢測。

2.根據(jù)權利要求1所述的一種基于輕量化網(wǎng)絡的目標檢測方法，其特征在于：Step 102的具體實現(xiàn)包括，

Step1021，學習訓練集得到浮點運算速率(FLOPS)，浮點運算速率FLOPS與d²,w²,r²這些參數(shù)成比例，即FLOPS＝k₁d²＝k₂w²＝k₃r²，其中k₁、k₂、k₃為固定常數(shù)，根據(jù)目標處理值和浮點運算速率，計算參數(shù)α、β、γ和φ；

Step1022，根據(jù)參數(shù)α、β、γ和φ，d、w和r重新賦值得到d′、w′和γ′；

其中，α、β、γ是常量，φ是一個固定系數(shù)，用于控制該卷積神經(jīng)網(wǎng)絡中的空閑空間，而α、β、γ用于將這些空閑空間分配給卷積神經(jīng)網(wǎng)絡的寬度、深度以及分辨率；

Step1023，根據(jù)所述d′、w′和γ′，得到所述卷積神經(jīng)網(wǎng)絡的最大精確度ACC，

約束條件

(s.t.)Memory(N)≤target_memory

FLOPS(N)≤target_flops

其中，是卷積神經(jīng)網(wǎng)絡中的預定義參數(shù)，為卷積神經(jīng)網(wǎng)絡各層組成函數(shù)，表示在第i層重復了次，表示第i層的輸入張量X的映射，和是空間維度，表示通道維度，s代表卷積層數(shù)，target_memory和target_flops是預先設定的目標值。

3.根據(jù)權利要求2所述的一種基于輕量化網(wǎng)絡的目標檢測方法，其特征在于：系數(shù)φ＝1。

4.根據(jù)權利要求1所述的一種基于輕量化網(wǎng)絡的目標檢測方法，其特征在于：w＝-0.07。