[發(fā)明專利]一種基于輕量化網(wǎng)絡(luò)的目標(biāo)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(shè)計(jì)）人: 高戈;李瑩;尚瀟雯;李明;陳怡;杜能
• 申請（專利權(quán)）人: 武漢大學(xué)
• 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(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 王琪

本申請?zhí)峁┮环N基于輕量化網(wǎng)絡(luò)的目標(biāo)檢測方法，首先獲取待檢測圖像，并根據(jù)卷積神經(jīng)網(wǎng)絡(luò)得到目標(biāo)處理值，所述目標(biāo)處理值包括所述待檢測圖像的分辨率、所述卷積神經(jīng)網(wǎng)絡(luò)的深度以及寬度；根據(jù)所述目標(biāo)處理值，進(jìn)行復(fù)合優(yōu)化處理，得到所述卷積神經(jīng)網(wǎng)絡(luò)的最大精確度(ACC)和浮點(diǎn)運(yùn)算速率(FLOPS)；將所述最大精確度(ACC)和浮點(diǎn)預(yù)設(shè)運(yùn)算速率(FLOPS)進(jìn)行優(yōu)化處理，得到目標(biāo)優(yōu)化值，所述目標(biāo)優(yōu)化值用于衡量所述卷積神經(jīng)網(wǎng)絡(luò)中的基礎(chǔ)網(wǎng)絡(luò)的檢測效率；最后利用優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)待檢測圖像的目標(biāo)檢測。本發(fā)明的有益效果：平衡卷積神經(jīng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)深度、網(wǎng)絡(luò)寬度和網(wǎng)絡(luò)分辨率，使得本案的目標(biāo)提取方法輸出的圖片分辨率高且效率高。

技術(shù)領(lǐng)域

本申請涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及無人駕駛、輔助駕駛等計(jì)算機(jī)視覺領(lǐng)域中有效的目標(biāo)檢測方法，特別是涉及一種基于輕量化神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法。

背景技術(shù)

物體檢測是指利用計(jì)算機(jī)技術(shù)檢測與識別出圖像或視頻中感興趣目標(biāo)(如車輛、行人、障礙物等)的類別與位置信息，是計(jì)算機(jī)視覺領(lǐng)域中重要研究領(lǐng)域之一。隨著深度學(xué)習(xí)技術(shù)的不斷完善與發(fā)展，基于深度學(xué)習(xí)的物體檢測技術(shù)已經(jīng)在諸多現(xiàn)實(shí)領(lǐng)域中具有廣泛的應(yīng)用場景，例如：無人駕駛、輔助駕駛、人臉識別、無人安防、人機(jī)交互、行為識別等相關(guān)領(lǐng)域中。

卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,簡稱CNN，有時(shí)也稱為ConvNet)是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks)，是深度學(xué)習(xí) (deep learning)的代表算法之一。作為深度學(xué)習(xí)技術(shù)中的重要研究方向之一，深度卷積神經(jīng)網(wǎng)絡(luò)在物體檢測任務(wù)上已經(jīng)取得了顯著成果，能夠在圖像數(shù)據(jù)中實(shí)現(xiàn)對感興趣目標(biāo)的實(shí)時(shí)檢測與識別。

目前現(xiàn)有的技術(shù)就是改變卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)，目前通用的幾種方法是放大卷積神經(jīng)網(wǎng)絡(luò)的深度、寬度以及分辨率，在現(xiàn)有技術(shù)的放大卷積網(wǎng)絡(luò)的方法，常用手段就是單獨(dú)放大這三個(gè)維度中的一個(gè)，盡管任意放大兩個(gè)或者三個(gè)維度也是可能的，但是任意縮放需要繁瑣的人工調(diào)參，同時(shí)可能產(chǎn)生的是一個(gè)次優(yōu)的精度和效率，使得最后輸出圖像的精度和識別效率并沒有達(dá)到理想的值，例如導(dǎo)致目標(biāo)識別率降低；與此同時(shí)，由于識別網(wǎng)絡(luò)框架的限制，反而會造成目標(biāo)檢測的識別效率降低的問題。例如，現(xiàn)有技術(shù)的技術(shù)采取了模型縮放的方法提高目標(biāo)檢測的精度：如縮放CNN神經(jīng)網(wǎng)絡(luò)以適應(yīng)不同的資源約束；再或者ResNet[4]通過調(diào)整網(wǎng)絡(luò)深度(層)來縮小(例如ResNet-18)或增大(例如ResNet-200)；再或者WideResNet[5]、 MobileNets[6]通過網(wǎng)絡(luò)寬度(頻道)來縮放CNN來提高識別圖像的識別率。

下面就對三個(gè)維度單獨(dú)縮放進(jìn)行解釋現(xiàn)有技術(shù)中存在的技術(shù)的缺陷：

(1)加深深度(d)：加深神經(jīng)網(wǎng)絡(luò)深度是許多ConvNets最常用的方法。最根本的原因是：更深層的ConvNet可以獲取輸入圖像中更多的的特征信息，并在新的輸入圖像中更好地進(jìn)行分類概括。請參見圖1，然而，隨著深度的提升，其網(wǎng)絡(luò)對應(yīng)的梯度消失，且更深層的網(wǎng)絡(luò)也更難訓(xùn)練。盡管目前技術(shù)通過采用較深網(wǎng)絡(luò)來緩解了其訓(xùn)練困難的問題：例如，ResNet-1000(ResNet網(wǎng)絡(luò)第1000層)和ResNet-101相比，具有更深的深度，但是檢測精度相似。圖1顯示了不同深度系數(shù)d縮放網(wǎng)絡(luò)基礎(chǔ)模型的經(jīng)驗(yàn)研究，進(jìn)一步表明了較深的網(wǎng)絡(luò)的精度的增長速度遞減。

(2)增加寬度(w)：縮放網(wǎng)絡(luò)寬度通常適用用于小型模型，更寬廣的的網(wǎng)絡(luò)往往能夠獲得更多其輸入圖像的特征信息等特性，并且寬度更大的網(wǎng)絡(luò)更容易訓(xùn)練。然而，較寬但較淺的網(wǎng)絡(luò)往往難以捕獲更高層次的特征。圖2的結(jié)果表明，當(dāng)網(wǎng)絡(luò)變得更寬且w更大時(shí)，其檢測精度達(dá)到一定時(shí)，無法提升至最優(yōu)，導(dǎo)致其可調(diào)優(yōu)精度有限。