[发明专利]基于多目标神经网络搜索的嵌入式目标检测模型生成方法

权利要求书

1.一种基于多目标神经网络搜索的嵌入式目标检测模型生成方法，其特征在于，包括：(1)根据嵌入式硬件对网络结构的要求，选择嵌入式目标检测模型的基础检测结构并在其骨干网络部分设定搜索空间；(2)根据搜索空间的设定，构建包含搜索空间中所有子网络的超网络，并将超网络在imagenet分类数据集上进行预训练；(3)将训练好的超网络联合设定好的检测头在目标检测数据集上进行微调；(4)在搜索前通过批量枚举搜索空间中的子网络，自动构建可推理的模型，并将模型部署到嵌入式设备上进行运行时间的测试，然后建立搜索空间中子网络结构编码与对应运行时延之间的速查表，以备搜索过程中的查询；(5)使用强化学习的方法作为搜索策略对搜索空间中的子网络展开搜索；(6)搜索过程中通过一个关于多目标的奖赏来使得网络结构朝着多个目标的方向优化；(7)搜索过程中维护一个帕累托最优解集来获得符合多目标要求的目标检测模型；(8)按照嵌入式场景下的需求设定选择帕累托最优解集中的元素，将其对应的检测网络在嵌入式平台上进行编译部署。

2.根据权利要求1所述的基于多目标神经网络搜索的嵌入式目标检测模型生成方法，其特征在于，所述(1)中，选择一阶段目标检测算法SSD-lite中的特征融合及检测头部分作为基础检测结构；待搜索的骨干网络部分按照cell堆叠的形式组织，每个cell中的内部结构由网络搜索得到；cell内部中，节点之间的连接关系通过one-not编码来表示，而操作算子则在嵌入式硬件支持的前提下选择参数量与计算量较小的操作类型作为可选项。

3.根据权利要求1所述的基于多目标神经网络搜索的嵌入式目标检测模型生成方法，其特征在于，所述(2)中，搜索空间中的网络结构均为提前构建和预训练过的超网络中的子网络，各个子网络共享超网络中的权重参数。

4.根据权利要求1所述的基于多目标神经网络搜索的嵌入式目标检测模型生成方法，其特征在于，搜索完成后的目标检测网络结构描述为：(1)对于给定图像或视频，将其输入运行在嵌入式平台上的目标检测网络中；(2)目标检测网络包含负责进行特征提取的骨干网络部分、特征融合部分、对检测目标的位置和类别进行回归的检测头部分；(3)骨干网络由多个卷积模块堆叠构成，逐渐对输入图像进行不同层次的特征提取，不同卷积模块内部的结构通过多目标神经网络搜索来获得；(4)特征融合部分为一个特征金字塔网络，通过卷积操作使得特征图逐渐变小，每一层输出的特征图均会送入一个检测头，从而在不同尺寸特征信息的基础上进行目标检测；(5)检测头的输出为目标定位框的位置偏移量，以及在目标类别中归一化后的置信度；(6)对于多个检测头给出的检测框，进行非极大值抑制操作。

5.根据权利要求1所述的基于多目标神经网络搜索的嵌入式目标检测模型生成方法，其特征在于，部署在嵌入式设备上的目标检测模型中，目标检测中对应的三个指标分别为：全类平均精度mAP、模型参数量p、模型在嵌入式设备上运行时间s；在搜索过程中，关于强化学习策略模型的奖赏函数设置为：其中X为决定网络结构的待优化的超参数集合，即X＝{x₁,x₂,…,x_T}，mAP(X)为根据超参数构建好完整的网络模型后在验证集上测试得到，p(X)为模型的参数量，根据采样后的模型计算得出，α为关于模型参数量的平衡系数，s(X)为模型在嵌入式平台上的运行时间，根据将模型部署到嵌入式硬件上运行测试得到，β为关于模型时延的平衡系数，p₀、s₀分别为对应的期望值。