[发明专利]一种针对嵌入式应用的轻量化目标检测方法

说明书

本发明属于深度学习、目标检测领域，涉及一种针对嵌入式应用的轻量化目标检测方法，基于针对嵌入式应用的轻量化目标检测网络实现，该网络由轻量化基础卷积神经网络和轻量化分支预测网络两个部分所组成，轻量化基础卷积神经网络包括三种卷积模块，轻量化分支预测网络包括一种卷积模块，在保证目标检测的准确率的同时降低了网络的参数规模和运算量，提升了网络在嵌入式环境下的检测速度。

技术领域

本发明属于深度学习、目标检测领域，尤其涉及一种针对嵌入式应用的轻量化目标检测方法，在保证目标检测的准确率的同时降低了网络的参数规模和运算量，从而提升了网络在嵌入式环境下的检测速度。

背景技术

目标检测的任务是确定图像中是否存在某些特定类别的目标，是视频分析、图像语义理解等复杂视觉任务中的关键技术，目标检测结果的精确度会直接影响到高级计算机视觉任务的效果。目标检测技术在许多领域有广泛的应用，如视频监控、智慧零售等。

目前有很多基于目标检测技术的智能应用需要部署在嵌入式终端设备上，而基于卷积神经网络的目标检测算法对计算平台的运算能力和内存空间要求较高，阻碍了算法在智能终端设备上的使用。因此，对基于卷积神经网络的目标检测算法进行轻量化处理，减小算法所需要的计算开销，使算法能够在嵌入式处理器上快速、准确的运行，具有重要的实用价值。

发明内容

为了使目标检测算法能够在嵌入式处理器上快速、准确的运行，本发明提出了一种针对嵌入式应用的轻量化目标检测方法，基于针对嵌入式应用的轻量化目标检测网络实现，该网络的参数规模和运算量小。

本发明技术方案是提供一种针对嵌入式应用的轻量化目标检测方法，其特殊之处在于：基于针对嵌入式应用的轻量化目标检测网络实现，该网络包括轻量化基础卷积神经网络和轻量化分支预测网络；

所述轻量化基础卷积神经网络包括卷积层、第一卷积单元、第二卷积单元及第三卷积单元；

所述第一卷积单元包括至少一个第一类卷积模块与至少一个第二类卷积模块；

所述第二卷积单元包括至少一个第二类卷积模块，或至少一个第二类卷积模块与至少一个第一类卷积模块；

所述第三卷积单元包括至少一个第二类卷积模块，或至少一个第二类卷积模块与至少一个第一类卷积模块；

所述第一类卷积模块输出通道数与输入通道数相同，由一个卷积核尺寸为t×t、步长为1的深度卷积层与一个卷积核尺寸为1×1、步长为1的卷积层及旁路组成；其中t为正整数；

所述第二类卷积模块输出通道数是输入通道数的2倍，由一个卷积核尺寸为l×l，步长为2的深度卷积层与一个卷积核尺寸为1×1，步长为1的卷积层组成；其中l为正整数；

所述卷积层的输入为待测图像，用于获取待测图像的特征；

卷积层输出的图像经过第一卷积单元卷积运算后输出a特征图像；

a特征图像输入至第二卷积单元卷积运算后输出b特征图像；

b特征图像输入至第三卷积单元卷积运算后输出c特征图像；

所述轻量化分支预测网络包括至少一个第四类卷积模块与一个卷积层c′；

所述第四类卷积模块输出通道数与输入通道数相同，由一个卷积核尺寸为t×t、步长为1的深度卷积层与一个卷积核尺寸为1×1、步长为1的卷积层组成；

其中第四类卷积模块Ⅰ接收轻量化基础卷积神经网络输出的c特征图像；

c特征图像经第四类卷积模块Ⅰ卷积运算后输出至卷积层c′运算后输出第一组预测张量。