[發明專利]基于批歸一化參數定點化的目標檢測方法、系統、設備

有效

• 申請號: 202110434714.3
• 申請日: 2021-04-22
• 公開（公告）號: CN113159177B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 李淼;張峰;馬春宇;趙婷;張翠婷
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

1.一種基于批歸一化參數定點化的目標檢測方法，其特征在于，該方法包括以下步驟：

S10，獲取待檢測的圖像，作為輸入圖像；

S20，通過批歸一化參數定點化后的目標檢測網絡獲取所述輸入圖像中各待檢測目標對應的類別及回歸框；所述回歸框包括位置及寬高信息；

所述目標檢測網絡基于卷積神經網絡構建；所述卷積神經網絡其對應的批歸一化方法為：

A10，獲取所述卷積神經網絡訓練時的批處理數據；

A20，計算所述批處理數據對應的均值μ、方差σ；基于初始化的尺度因子γ、平移因子β，結合均值，對方差進行做商，得到中間變量γ'、β'；

其中，ε表示為了防止分母為零而設計的一個很小的數值，為正數；

A30，將γ'賦值為第一批歸一化變量，將β'/γ'賦值為第二批歸一化變量；賦值后，對第一批歸一化變量、第二批歸一化變量進行定點化處理；

所述第一批歸一化變量的定點化方法為：

將所述第一批歸一化變量拆分為兩個縮放因子，γ₁和γ₂，即γ”＝γ₁*γ₂；其中，γ”為第一批歸一化變量；

所述第二批歸一化變量的定點化方法為：將所述第二批歸一化變量設置為整型數；

A40，結合定點化的第一批歸一化變量、第二批歸一化變量，通過變形后的批歸一化算法得到所述卷積神經網絡卷積處理后的待批歸一化數據對應的歸一化結果。

2.根據權利要求1所述的基于批歸一化參數定點化的目標檢測方法，其特征在于，所述變形后的批歸一化算法為：

y＝(x+β”)*γ”

其中，x表示待批歸一化的數據，y表示批歸一化后的數據，β”表示第二批歸一化變量。

3.根據權利要求1所述的基于批歸一化參數定點化的目標檢測方法，其特征在于，所述卷積神經網絡其在卷積過程中的激活值和權重為整型數。

4.根據權利要求3所述的基于批歸一化參數定點化的目標檢測方法，其特征在于，所述激活值其在量化的過程中采用dorefa量化。

5.一種基于批歸一化參數定點化的目標檢測系統，其特征在于，該系統包括：圖像獲取模塊、目標檢測模塊；

所述圖像獲取模塊，配置為獲取待檢測的圖像，作為輸入圖像；

所述目標檢測模塊，配置為通過參數定點化后的目標檢測網絡獲取所述輸入圖像中各待檢測目標對應的類別以及回歸框；所述回歸框包括位置及寬高信息；

所述目標檢測網絡基于卷積神經網絡構建；所述卷積神經網絡其對應的批歸一化方法為：

A10，獲取所述卷積神經網絡訓練時的批處理數據；

A20，計算所述批處理數據對應的均值μ、方差σ；基于初始化的尺度因子γ、平移因子β，結合均值，對方差進行做商，得到中間變量γ'、β'；

其中，ε表示為了防止分母為零而設計的一個很小的數值，為正數；

A30，將γ'賦值為第一批歸一化變量，將β'/γ'賦值為第二批歸一化變量；賦值后，對第一批歸一化變量、第二批歸一化變量進行定點化處理；

所述第一批歸一化變量的定點化方法為：

將所述第一批歸一化變量拆分為兩個縮放因子，γ₁和γ₂，即γ”＝γ₁*γ₂；其中，γ”為第一批歸一化變量；

所述第二批歸一化變量的定點化方法為：將所述第二批歸一化變量設置為整型數；

A40，結合定點化的第一批歸一化變量、第二批歸一化變量，通過變形后的批歸一化算法得到所述卷積神經網絡卷積處理后的待批歸一化數據對應的歸一化結果。

6.一種設備，其特征在于，包括：

至少一個處理器；以及

與至少一個所述處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述處理器執行的指令，所述指令用于被所述處理器執行以實現權利要求1-4任一項所述的基于批歸一化參數定點化的目標檢測方法。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于被所述計算機執行以實現權利要求1-4任一項所述的基于批歸一化參數定點化的目標檢測方法。