[发明专利]一种在手机端实现轻量级目标检测的方法及模型

说明书

本发明公开一种在手机端实现轻量级目标检测的方法，涉及数据识别技术领域，该方法的实现需要采集图像数据，并对图像数据中的目标物体进行标注，然后利用GhostNet网络和CenterNet网络完成目标检测模型的训练和验证，在验证通过后对目标检测模型进行压缩，实现目标检测模型的轻量化，最后将轻量化后的目标检测模型部署于手机端，利用轻量化的目标检测模型即可进行图像数据中的目标检测。本发明还公开一种在手机端实现轻量级目标检测的模型，其与前述方法得到的模型在损失较小精度的情况下，具有体积小、运算速度快的优点，尤其适用于部署在手机端。

技术领域

本发明涉及数据识别技术领域，具体的说是一种在手机端实现轻量级目标检测的方法及模型。

背景技术

目标检测(Object Detection)任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。

传统的目标检测方法，目标区域的特征提取仍然是以手工特征的方式进行特征提取的，例如方向梯度直方图HOG、SIFT等，检测效率低，检测精度低。近年来，随着深度学习的发展，深度卷积神经网络(CNN)在图像目标检测方面已经取得了巨大进展。深度卷积神经网络可以更加精确的提取图像特征信息，从而更加准确确定目标类别以及位置。

随着信息时代的到来，手机已经成为人们生活中必不可少的物品。一方面，通过深度学习训练出的目标检测模型通常包含大量参数，另一方面，目标检测模型体积大并且需要GPU支持，难以部署在手机端。

发明内容

本发明针对目前通过深度学习训练出的目标检测模型因体积过大无法部署在手机端的缺陷，提供一种在手机端实现轻量级目标检测的方法及模型，以在损失较小精度的情况下，减小目标检测模型的参数量和体积，同时，提高目标检测模型的运算速度。

首先，本发明提供一种在手机端实现轻量级目标检测的方法，解决上述技术问题采用的技术方案如下：

一种在手机端实现轻量级目标检测的方法，该方法的实现需要采集图像数据，并对图像数据中的目标物体进行标注，然后利用GhostNet网络和CenterNet网络完成目标检测模型的训练和验证，在验证通过后对目标检测模型进行压缩，实现目标检测模型的轻量化，最后将轻量化后的目标检测模型部署于手机端，进而在手机端进行目标检测。

实现轻量级目标检测方法的具体过程包括：

步骤一、采集图像数据；

步骤二、对图像数据中目标物体的位置和类别进行标注；

步骤三、将标注后图像数据转为VOC格式的数据集，并将数据集划分为训练集和验证集两部分；

步骤四、基于GhostNet网络提取图像特征，基于CenterNet网络对提取的图像特征进行训练，训练得到目标检测模型；

步骤五、将验证集包含的图像数据输入目标检测模型，验证目标检测模型的输出结果与标注结果是否一致；

步骤六、验证结果不一致时，扩大采集的图像数据，返回执行步骤二，验证结果一致时，执行步骤七；

步骤七、对训练得到的目标检测模型进行int8量化，完成目标检测模型的压缩；

步骤八、将压缩的目标检测模型部署到手机端，进而在手机端进行目标检测。

执行步骤二时，使用labelImg工具对图像数据中目标物体的位置和类别进行标注；