[发明专利]一种基于压缩SSD的低空飞行物检测方法

权利要求书

1.一种基于压缩SSD的低空飞行物检测方法，其特征在于：将基础的SSD网络模型采用通道剪枝算法加以压缩后，进行低空飞行物的检测，具体方法为：

步骤1：在SSD模型中添加批量归一化层，即BN层，对SSD目标检测模型内部隐藏层输入的数据进行批量归一化处理；

步骤2：采用L1正则化方法，以衡量通道重要性的因素作为正则化方法的目标参数，将正则化项加入SSD模型的损失函数中，从而实现对SSD模型的内部通道进行稀疏化处理的作用；

步骤3：在SSD模型中引入比例因子优化损失函数，对模型中各个通道的重要性进行衡量；

选用BN层的γ参数作为各个通道的比例因子；将比例因子与通道输出相乘，作为通道的最终输出，对网络权重与比例因子进行联合训练；在训练的过程中，当比例因子取零时，实现对目标检测模型中的通道自动进行剪枝的效果；对比例因子进行稀疏正则化处理，使其整体数值逼近于零，其中部分数值归零，实现化简模型的效果；

步骤4：以vgg16作为基础网络，构建SSD模型的具体网络结构，并在模型的激活层后添加BN层，以BN层中的参数γ作为各个通道的比例因子，并设置正则化项的惩罚因子、初始学习率和Batch_Size，基于低空飞行物数据集，使用随机梯度下降算法对模型进行训练；

步骤5：针对训练后获得的稀疏模型，确定剪枝率，获得对应的数值作为全局修剪阈值，通过该阈值对SSD模型中的各条通道进行衡量，剪除重要性低的通道，获得压缩SSD模型；

步骤6：输入待检测的视频名称，运行压缩SSD模型对视频中的低空飞行目标进行检测；首先在压缩SSD模型的命令窗口中输入视频的存放地址，然后运行压缩SSD模型，对视频进行检测。

2.根据权利要求1所述的基于压缩SSD的低空飞行物检测方法，其特征在于：所述BN层参考权值共享策略，以通道为范围，对输入数据进行如下处理：

其中，x代表SSD模型中间层输入特征图的均值；x_i代表第i张特征图的均值；m代表输入的一个小批量内所包含的特征图数量；代表输入的中间值；Z_in代表单一通道的输入值；Z_out代表单一通道的输出值；μ_B代表输入的一个小批量内数据的平均值；σ_B代表输入的一个小批量内数据的标准差；γ代表单一通道的缩放参数；β代表单一通道的平移参数；ε是为防止除以零而引入的极小量；γ和β作为BN层引入的可训练的仿射变换参数，γ的初始值为1，β的初始值为0，在模型训练的过程中，γ和β与权重参数一样不断进行学习优化。

3.根据权利要求2所述的基于压缩SSD的低空飞行物检测方法，其特征在于：所述步骤3中SSD模型的新损失函数L如下所示：

其中，N代表与真实框匹配的默认框数量；α代表SSD模型内部的权重因子；L_conf代表SSD模型进行检测时的分类损失；L_loc代表SSD模型检测时的定位损失；λ为惩罚因子；γ为比例因子；α用于调整分类损失与定位损失之间的比例，其值默认为1；g(γ)是为稀疏化比例因子而引入的惩罚函数，g(γ)＝|γ|。

4.根据权利要求3所述的基于压缩SSD的低空飞行物检测方法，其特征在于：所述步骤5中，剪枝率为70％。