[发明专利]一种针对嵌入式应用的轻量化目标检测方法

摘要

本发明属于深度学习、目标检测领域，涉及一种针对嵌入式应用的轻量化目标检测方法，基于针对嵌入式应用的轻量化目标检测网络实现，该网络由轻量化基础卷积神经网络和轻量化分支预测网络两个部分所组成，轻量化基础卷积神经网络包括三种卷积模块，轻量化分支预测网络包括一种卷积模块，在保证目标检测的准确率的同时降低了网络的参数规模和运算量，提升了网络在嵌入式环境下的检测速度。

主权项

1.一种针对嵌入式应用的轻量化目标检测网络，其特征在于：包括轻量化基础卷积神经网络和轻量化分支预测网络；所述轻量化基础卷积神经网络包括卷积层、第一卷积单元、第二卷积单元及第三卷积单元；所述第一卷积单元包括至少一个第一类卷积模块与至少一个第二类卷积模块；所述第二卷积单元包括至少一个第二类卷积模块，或至少一个第二类卷积模块与至少一个第一类卷积模块；所述第三卷积单元包括至少一个第二类卷积模块，或至少一个第二类卷积模块与至少一个第一类卷积模块；所述第一类卷积模块输出通道数与输入通道数相同，由一个卷积核尺寸为t×t、步长为1的深度卷积层与一个卷积核尺寸为1×1、步长为1的卷积层及旁路组成；其中t为正整数；所述第二类卷积模块输出通道数是输入通道数的2倍，由一个卷积核尺寸为l×l，步长为2的深度卷积层与一个卷积核尺寸为1×1，步长为1的卷积层组成；其中l为正整数；所述卷积层的输入为待测图像，用于获取待测图像的特征；卷积层输出的图像经过第一卷积单元卷积运算后输出a特征图像；a特征图像输入至第二卷积单元卷积运算后输出b特征图像；b特征图像输入至第三卷积单元卷积运算后输出c特征图像；所述轻量化分支预测网络包括至少一个第四类卷积模块与一个卷积层c；所述第四类卷积模块输出通道数与输入通道数相同，由一个卷积核尺寸为t×t、步长为1的深度卷积层与一个卷积核尺寸为1×1、步长为1的卷积层组成；其中第四类卷积模块Ⅰ(14)接收轻量化基础卷积神经网络输出的c特征图像；c特征图像经第四类卷积模块Ⅰ(14)卷积运算后输出至卷积层c，运算后输出第一组预测张量。