CN116229199B 基于模型轻量化的目标检测方法 （北京市地铁运营有限公司技术创新研究院分公司）_第1页
CN116229199B 基于模型轻量化的目标检测方法 （北京市地铁运营有限公司技术创新研究院分公司）_第2页
CN116229199B 基于模型轻量化的目标检测方法 （北京市地铁运营有限公司技术创新研究院分公司）_第3页
CN116229199B 基于模型轻量化的目标检测方法 （北京市地铁运营有限公司技术创新研究院分公司）_第4页
CN116229199B 基于模型轻量化的目标检测方法 （北京市地铁运营有限公司技术创新研究院分公司）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

练的xml格式，并将之划分为训练集和测试集两深度学习模型的配置利用YOLOv5算法，步骤包22.1)利用输入端的Mosaic数据增强、自适2.3)利用输出端Prediction进行三种特征大小输出，按照图像网格划分得到参数矩使用3×3卷积核代替5×5和7×7大小的大卷积核；对于一个大采用Firemoudle，Firemoudle包括压缩squeeze层和扩张expand层；通过减少2.根据权利要求1所述的基于模型轻量化的4.根据权利要求1所述的基于模型轻量化的目标检测方法，其特征是步骤3.3)的分组3组的输入特征图数量为每组的输出特征图数量为每个卷积核的尺寸为XKXK,卷积核5.根据权利要求1所述的基于模型轻量化的目标检测方法，其特征是步骤3.3)的混洗6.根据权利要求1所述的基于模型轻量化的目标检测4[0001]本发明涉及目标检测领域，具体涉及一种基于卷积神经网络的模型轻量化的应[0005](1)人工设计轻量级神经网络的主要思想在于设计更高效的网络计算方式，主要[0006](2)基于神经网络架构搜素的自动化神经网络架构设计即通过给定所有候选神经[0007](3)神经网络模型压缩根据神经网络中每层的冗余程度，通过将网络权重的全精5[0014]2.2)利用Backbone主干网络中的Focus结构、[0018]使用3×3卷积核代替5×5和7×7大小的大卷积核；对于一[0020]采用Firemoudle，Firemoudle包括压缩squeeze层和扩张expand层；通过减少6[0044]使用3×3卷积核代替5×5和7×7大小的大卷积核，对于一出为H×W×Cout大小的特征图时，FLOPs5×5＝H×W×Cin×Cout×52，而两层卷积的运算量。Firemoudle包含两部分，压缩层(squeeze)层和扩张层(expand)层，通过减少用1×1的卷积核对输入特征进行升维，在高纬度特征进行卷积操作；然后在通过squeeze7[0052]采用分组卷积会造成各个组之间的信息无法流通,影响网络的表达能力.为了让的特征重新进行排列，使得新的分组中包含来自之前各个组的特征,保证了各个组之[0063]本方法与当前主流的轻量化目标检测网络进行比较验证，采用COCO数据集，对mAP(0.5:0.95)mAP(0.5)8.865.6216.633.16.066.9621.740.23.8524.2_0.951.223.5_0.9125.8_85.066.4532.8_0.990.7327.141.40.9930.645.5mAP，提高了4.8％。相对于NanoDet_M，我们的模型在计算量相当的情况下，mAP提高了9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论