[发明专利]一种无人机检测用轻量卷积神经网络搭建的方法及设备

权利要求书

1.一种无人机检测用轻量卷积神经网络搭建的方法，其特征在于，包括以下步骤：

步骤1，采用Shuffle-Net V2作为轻量化神经网络结构基本单元进行改进，并定义步长为1的基本模块为Unit1，定义步长为2的下采样模块为Unit2；

步骤2，将Shuffle-Net V2的1×1点卷积替换为Ghost卷积，通过一系列廉价的线性变换生成更多的特征图；

步骤3，在Unit1部分额外添加1×1Ghost-Conv卷积操作；

步骤4，在Shuffle-Net V2上添加深度可分离卷积操作；

步骤5，将RELU函数替换为h-Swish函数；

步骤6，添加SE模块，完成轻量化卷积神经网络基本模块结构Ghost-Shuffle的搭建；

步骤7，基于Zen-NAS神经网络搜索算法，添加参数量和计算量的约束条件，在轻量化的搜索空间内进行网络架构的搜索，并根据Zen-Score的分数搜索出最终的网络Ghost-Shuffle Net；将该网络部署在无人机平台上，通过约束参数量、计算量、模型大小、访存量4个条件进行网络结构的搜索，最终得到适用于无人机平台的轻量化主干网络Ghost-Shuffle Net-L。

2.如权利要求1所述的一种无人机检测用轻量卷积神经网络搭建的方法，其特征在于，所述步骤7的具体搜索步骤为：

S1，使用初始结构F0随机生成10个结构作为初始的进化种子，加入到进化空间P；

S2，随机选择步骤S1中一个结构并选择一个Ghost-Shuffle模块进行突变，使用突变算法生成新的突变结构，替换原来的网络结构F生成新的网络结构F′；

S3，计算F′的计算量是否小于预设计算量B，参数量是否小于预设参数量C，并且网络深度是否小于预设网络深度L；如果同时满足要求则计算F′的Zen-Score，并把F′加入到进化空间P；

S4，如果进化空间P的数量超过了进化保留数量N，移除Zen-Score值最小的网络结构，始终保持进化空间不超过进化保留数量N；

S5，不断重复上述步骤S2至S4，直到达到进化算法迭代次数T，停止搜索；

S6，从进化空间P中取Zen-Score值最大的网络结构作为最后的搜索结果。

3.如权利要求2所述的一种无人机检测用轻量卷积神经网络搭建的方法，其特征在于，所述步骤S2中的突变算法具体为：

S21，随机选择网络结构F中一个 Ghost-Shuffle 模块；

S22，从搜索空间S中的卷积核大小、输出通道数量、瓶颈层通道数量或堆叠次数中任意选择一项进行改变，得到新的突变结构；

S23，返回新的突变结构。

4.如权利要求1所述的一种无人机检测用轻量卷积神经网络搭建的方法，其特征在于，所述步骤2具体为：采用正常卷积生成m个原始特征图Y∈R^{h’× w’×m}：Y=X*f，其中X∈R^{c× h×w}表示输入数据，*是卷积运算，f∈R^{c× k×k×w}是当前层的卷积核；另外，c是输入通道数，k是卷积核的大小，和w是输入数据的高度和宽度，h’和w’是输出数据的高度和宽度，为了简化运算，这里忽略了偏移项；为了进一步得到最终的n个特征图，采用廉价的线性运算将m个原始特征图映射生成s个幻影特征图：

y_ij=Φ_i，j（y_i），∀i=1, ... ,m, j=1, ... ,s

其中y_i是m个特征图中的第i个特征图，Φ_i，j是第j个线性运算，用来生成第j个幻影特征图y_ij。

5.如权利要求1所述的一种无人机检测用轻量卷积神经网络搭建的方法，其特征在于，所述步骤5中h-Swish函数的公式为：

其中ReLU6是普通的ReLU但是限制最大输出值为6。