[發明專利]用于分類的MoCo卷積神經網絡模型檢測裝置及分類方法

在審

• 申請號: 202211654734.2
• 申請日: 2022-12-22
• 公開（公告）號: CN116206147A
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 羅相好;張萬菊;鄒朝鑫
• 申請（專利權）人: 羅相好
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 北京華科知信專利代理事務所(普通合伙) 16086
• 代理人: 李方帆

1.用于分類的MoCo卷積神經網絡模型檢測裝置，包括圖像采集器、代理任務和訓練好的MoCo卷積神經網絡，其特征在于：所述圖像采集器采集分類任務中所需要的學習類型圖片，并將采集到的圖片進行圖像增強和正負樣本圖片的劃分，所述正負樣本圖片輸入到MoCo卷積神經網絡中進行特征提取，獲得正負樣本的特征向量，所述代理任務通過比較正負樣本特征向量之間的差異性指導MoCo卷積神經網絡訓練和更新，并把舊的模型替換掉，直到訓練結束，所述訓練好的MoCo卷積神經網絡經過微調之后放入邊緣設備之中進行圖像任務分類。

2.根據權利要求1所述的用于分類的MoCo卷積神經網絡模型檢測裝置的分類方法，其特征在于，包括以下分類步驟：

S1：將圖片調整為統一尺寸，并截取不同視角的圖片信息，防止圖片嚴重變形，增加模型對圖片各部分信息的捕獲能力；

S2：采用填充和多尺度裁切組合的方法對圖片進行處理，給定輸入圖片x，先經過Padding操作將圖片x填充為固定尺寸，再經過MultCrop操作在填充好的圖片x上獲取不同視角的圖片(x1，x2)，最后送入編碼器q和k提取特征并計算損失值；

S3：使用密集歸一化加權鏈接物網絡作為骨干網絡，并使用密集歸一化加權鏈接網絡模型作為MoCo的特征提取模型，緩解有限的硬件資源下MoCo訓練和部署的問題；

S4：MoCo卷積神經網絡模型使用代理任務來進行分組，度量兩個輸入的圖片在向量空間中的距離，通過查看圖片的差異性完成對其的分類。

3.根據權利要求2所述的用于分類的MoCo卷積神經網絡模型檢測裝置的分類方法，其特征在于：所述S2步驟中考慮到裁剪出的圖片數量越多，對內存和計算資源的需求也會增加，對最大裁剪尺寸和最小裁剪尺寸設定了對應閾值，使用兩個標準分辨率為160*160裁剪和個額外覆蓋圖像局部信息的低分辨率裁剪為96*96，其中低分辨率圖片塊只會增加額外一點計算成本。

4.根據權利要求2所述的用于分類的MoCo卷積神經網絡模型檢測裝置的分類方法，其特征在于：所述S3步驟中ResNet網絡在特征傳遞過程中，當前網絡層只使用了前一層的輸出特征圖，而DenseNet網絡使用的是前面所有卷積層的輸出特征圖。

5.根據權利要求2所述的用于分類的MoCo卷積神經網絡模型檢測裝置的分類方法，其特征在于：所述S4步驟中由于編碼器q和k輸出特圖存在信息損失的問題，本文在編碼器之后添加多個非線性層MLP，形成和維護編碼器輸出的特征圖中信息。