[发明专利]面向资源受限设备的轻量级目标检测系统及其构建方法

权利要求书

1.一种面向资源受限设备的轻量级目标检测系统，其特征在于，包括：

算子选择模块，用于对选取的算子在目标部署平台上的推理时延进行测量和评估，以选取资源受限设备支持良好的算子；

模型设计模块，用于设计轻量级目标检测模型，所述模型包括特征提取网络、特征融合网络、分类回归网络；

性能增强模块，主要用于增强所述轻量级目标检测模型的检测性能，包括设计的训练策略和损失函数；所述训练策略用于对轻量级模型进行训练，所述损失函数，用于评估预测值与真实值的差距并进行梯度回传；

适配搜索模块，主要用于实现训练端的算子向部署端的算子的适配。

2.根据权利要求1所述的面向资源受限设备的轻量级目标检测系统，其特征在于，所述模型设计模块还包括用于实现对所述轻量级目标检测模型的检测数据的增强。

3.一种根据权利要求1所述的面向资源受限设备的轻量级目标检测系统的构建方法，其特征在于，包括以下步骤：

Ⅰ.基于资源受限设备，选取性能良好的算子；

Ⅱ.基于选取的算子，设计轻量级目标检测模型；

Ⅲ.设计训练策略和损失函数；

Ⅳ.实现训练端的算子向部署端的算子的适配。

4.根据权利要求3所述的面向资源受限设备的轻量级目标检测系统的构建方法，其特征在于，所述步骤Ⅱ包括以下子步骤：

Ⅱ-1.设计结构简单直通且参数量少的特征提取网络；

Ⅱ-2.设计参数量少多尺度特征融合的特征融合网络；

Ⅱ-3.设计分类与回归任务解耦进行的分类回归网络。

5.根据权利要求4所述的面向资源受限设备的轻量级目标检测系统的构建方法，其特征在于，所述步骤Ⅱ还包括以下子步骤：

Ⅱ-4.使用数据增强方法扩充数据集，弥补模型的目标检测性能。

6.根据权利要求5面向资源受限设备的轻量级目标检测系统的构建方法，其特征在于，所述步骤Ⅲ所述的设计训练策略包括以下子步骤：

Ⅲ-1.设计训练轮数与数据增强方法开关策略；

Ⅲ-2.设计学习率的变化策略。