[發(fā)明專利]一種微型神經(jīng)網(wǎng)絡(luò)模型

在審

• 申請(qǐng)?zhí)枺?/td>: 202010771817.4
• 申請(qǐng)日: 2020-08-04
• 公開（公告）號(hào): CN111882043A
• 公開（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 律方成;金潮偉;王勝輝
• 申請(qǐng)（專利權(quán)）人: 華北電力大學(xué)
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08
• 代理公司: 北京化育知識(shí)產(chǎn)權(quán)代理有限公司 11833
• 代理人: 尹均利

1.一種微型神經(jīng)網(wǎng)絡(luò)模型，包括高度優(yōu)化的Core卷積核子網(wǎng)絡(luò)和基于SSD的輔助特征提取子網(wǎng)絡(luò)，其特征在于，所述Core卷積核子網(wǎng)絡(luò)包括Core卷積核子網(wǎng)絡(luò)方法，包括以下步驟：

S1、將Core卷積核初步提取后生成多個(gè)特征圖，

S2、經(jīng)過選取特定特征圖傳入輔助特征提取子網(wǎng)絡(luò)用于預(yù)測(cè)，

S3、在保證目標(biāo)檢測(cè)精度的同時(shí)最小化模型。

2.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述S1中Core卷積組包含3×3卷積核，所述Core卷積組中的3×3卷積核的數(shù)量比正常卷積組的數(shù)量減少，所述3×3卷積核輸入特征圖的通道數(shù)量比正常卷積組的數(shù)量減少。

3.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述Core卷積組共由10個(gè)Core卷積核組成且分別為Core1-Core10，每個(gè)所述Core卷積核包含兩個(gè)卷積層：壓縮卷積層S和擴(kuò)張卷積層E，所述壓縮卷積層中均為1×1卷積核，所述擴(kuò)張卷積層為1×1卷積和3×3卷積的混合。

4.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述S3中在保證模型精度的前提下，盡可能減少了S層和E層中卷積核的數(shù)量，并在多次Core卷積后增加Pool下采樣層以降低特征圖的通道數(shù)。

5.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述Core卷積組均由低維度卷積核組成，極大的壓縮了神經(jīng)網(wǎng)絡(luò)計(jì)算參數(shù)量，假設(shè)卷積核的輸入通道數(shù)為M，輸出通道數(shù)為N，優(yōu)化卷積，參數(shù)量為：

表中s1x1、e1x1、e3x3分別代表S層中1×1卷積核的數(shù)量、E層中1×1卷積核的數(shù)量和E層中3×3卷積核的數(shù)量。

6.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述輔助特征提取網(wǎng)絡(luò)中的每一層再使用一組卷積來預(yù)測(cè)該特征層上每個(gè)預(yù)測(cè)框的位置以及預(yù)測(cè)框內(nèi)目標(biāo)對(duì)應(yīng)的種類。

7.根據(jù)權(quán)利要求1所述的一種微型神經(jīng)網(wǎng)絡(luò)模型，其特征在于，所述Core卷積組均由低維度卷積核組成。