[發(fā)明專利]一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法

有效

• 申請?zhí)枺?/td>: 202110093115.X
• 申請日: 2021-01-25
• 公開（公告）號: CN112818788B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計）人: 冷甦鵬;李天揚;成澤坤;黃曉燕
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/82;G06N3/08
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，包括：

A1、感知無人機計算單張圖片的處理完成時間，其中包含該單張圖片完成對應(yīng)的整個卷積神經(jīng)網(wǎng)絡(luò)所需要的計算時間、傳輸時間以及等待時間；

A2、針對感知無人機一次拍攝的多張圖片，記任務(wù)完成時間為這多張圖片各自的處理完成時間中的最大值，感知無人機以任務(wù)完成時間最小為目標(biāo)，采用深度強化學(xué)習(xí)算法得到各張圖片對應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)的分層匹配策略；步驟A2所述采用深度強化學(xué)習(xí)算法得到各張圖片對應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)的分層匹配策略，具體包括以下分步驟：

S411、感知無人機以每架無人機的當(dāng)前位置(x_i,y_i,h)和計算無人機的CPU頻率f_i作為深度強化學(xué)習(xí)算法的狀態(tài)集合；

S412、動作集合為分布式卷積神經(jīng)網(wǎng)絡(luò)匹配策略，定義為：

其中，表示對于圖片k無人機i上完成第l層卷積層的計算過程，表示對于圖片k無人機i上不完成第l層卷積層的計算過程；

S413、獎勵定義為本次任務(wù)的任務(wù)完成時間的負(fù)值，即為用于評判分布式卷積神經(jīng)網(wǎng)絡(luò)策略的優(yōu)劣程度，任務(wù)完成時間越少，則獎勵越高，說明在該狀態(tài)下選用該分布式卷積神經(jīng)網(wǎng)絡(luò)策略越好；

S414、感知無人機根據(jù)當(dāng)前任務(wù)的狀態(tài)，使用深度強化學(xué)習(xí)算法中的Deep Q-Network，確定最大Q值對應(yīng)的動作，將該動作作為本次任務(wù)的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配策略；

A3、感知無人機根據(jù)分層匹配策略，下發(fā)圖片及對應(yīng)分層匹配策略到具體的計算無人機；所述計算無人機按照卷積神經(jīng)網(wǎng)絡(luò)的層順序進行先后計算；當(dāng)某個計算無人機完成計算后，按照卷積神經(jīng)網(wǎng)絡(luò)的層順序?qū)⒂嬎憬Y(jié)果傳輸至下一層對應(yīng)的計算無人機；最后一層對應(yīng)的計算無人機計算完成后，將結(jié)果返回對應(yīng)的感知無人機；

A4、如果感知無人機不再發(fā)現(xiàn)需要識別的位置并不再拍攝圖像，則結(jié)束，否則感知無人機確定獎勵函數(shù)，完成本次深度強化學(xué)習(xí)算法迭代過程，然后轉(zhuǎn)入步驟A2，進入下一輪任務(wù)。

2.根據(jù)權(quán)利要求1所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，針對某一張圖片，在卷積神經(jīng)網(wǎng)絡(luò)的分層時，按照該卷積神經(jīng)網(wǎng)絡(luò)的卷積層數(shù)量進行劃分，每架匹配到卷積層的計算無人機至少匹配一層卷積層，即匹配到卷積層的計算無人機數(shù)量小于或等于該卷積神經(jīng)網(wǎng)絡(luò)的卷積層數(shù)量；該卷積神經(jīng)網(wǎng)絡(luò)的池化層和全連接層放置在匹配有該卷積神經(jīng)網(wǎng)絡(luò)卷積層的計算無人機上。

3.根據(jù)權(quán)利要求2所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，步驟A1所述的感知無人機計算單張圖片完成其對應(yīng)的整個卷積神經(jīng)網(wǎng)絡(luò)所需要的計算時間，具體為該圖片對應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)被分層劃分到多個計算無人機上，這多個計算無人機執(zhí)行各自匹配的卷積神經(jīng)網(wǎng)絡(luò)層的時間之和。

4.根據(jù)權(quán)利要求3所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，單個計算無人機計算所分配的卷積神經(jīng)網(wǎng)絡(luò)層所需要的計算時間根據(jù)該計算無人機執(zhí)行一次所分配的卷積神經(jīng)網(wǎng)絡(luò)層所需的CPU運轉(zhuǎn)周期與該計算無人機的CPU頻率確定。

5.根據(jù)權(quán)利要求4所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，根據(jù)卷積層的時間復(fù)雜度，確定計算無人機執(zhí)行一次所分配的卷積層所需要的CPU運轉(zhuǎn)周期。

6.根據(jù)權(quán)利要求5所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，步驟A1所述的感知無人機計算單張圖片完成對應(yīng)的整個卷積神經(jīng)網(wǎng)絡(luò)所需要的傳輸時間，具體為包括：感知無人機將單張圖片的原始圖片傳輸至匹配第一層卷積層的計算無人機所需要的時間、匹配卷積神經(jīng)網(wǎng)絡(luò)某層的計算無人機將輸出結(jié)果傳輸?shù)狡ヅ渚矸e神經(jīng)網(wǎng)絡(luò)下一層的計算無人機的傳輸時延。

7.根據(jù)權(quán)利要求5所述的一種基于無人機集群的分布式卷積神經(jīng)網(wǎng)絡(luò)分層匹配方法，其特征在于，步驟A1所述的感知無人機計算單張圖片完成其對應(yīng)的整個卷積神經(jīng)網(wǎng)絡(luò)計算過程所需要的等待時間，具體包括：計算無人機上計算某層卷積神經(jīng)網(wǎng)絡(luò)需要的計算等待時間、計算無人機完成某層卷積神經(jīng)網(wǎng)絡(luò)的計算后將結(jié)果傳輸出去的傳輸?shù)却龝r間。