物件检测系统及物件检测方法技术方案

一种物件检测系统及物件检测方法，其中物件检测系统包含影像获取装置、存储器及处理器。影像获取装置用以获取影像。存储器存储对应推论引擎的指令，推论引擎配适于具多重阶层的卷积神经网络结构，其包含第一及第二阶层与物件检测层。处理器用以执行指令以：降低第二阶层的多个卷积层的网络宽度；根据调整后的卷积神经网络结构运行推论引擎，使第一阶层接收影像为初始输入；输入第一阶层根据初始输入产生的第一输出至第二阶层以及物件检测层；输入第二阶层根据第一输出产生的第二输出至物件检测层；以及物件检测层根据第一输出及第二输出产生最终输出以对影像进行物件检测。借此，可在运算速度提升的前提下维持检测准确率。

【技术实现步骤摘要】
物件检测系统及物件检测方法
本公开涉及一种物件检测系统及物件检测方法，尤为一种基于卷积神经网络结构的物件检测系统及物件检测方法。
技术介绍
众所皆知地，类神经网络(NeuralNetwork)需要大量的数据运算。在现有技术中，可于数据中心(DataCenter)的电脑内配置额外的影像处理器(GPU)或其他种类的加速装置，例如现场可程序化逻辑门阵列(FPGA)。然后，边缘装置(EdgeDevice)可通过网络通信技术(例如：Wi-Fi、Ethernet)与数据中心的电脑通信耦接，并将影像传输至数据中心。数据中心的电脑可根据类神经网络进行运算，再将结果传输回边缘装置。在这种系统配置下，边缘装置获取运算结果的速度不佳，难以满足各种应用程序的需求。
技术实现思路
为了解决前述问题，本公开提出下列的实施方式，使物件检测程序能优选地运行于边缘装置上。本公开的一实施方式涉及一种物件检测系统。该物件检测系统至少包含一影像获取装置、一存储器以及一处理器，该存储器以及该影像获取装置耦接于该处理器。该影像获取装置用以获取一影像。该存储器用以存储对应于一推论引擎的至少一指令，该推论引擎配适于具有多重阶层的一卷积神经网络结构，该卷积神经网络结构的该多重阶层包含接收一初始输入的一第一阶层、连接于该第一阶层的一第二阶层以及连接于该第二阶层的一物件检测层，其中该第一阶层的多个第一卷积层对应一第一网络宽度且该第二阶层的多个第二卷积层对应一第二网络宽度。该处理器用以自该存储器存取并执行该至少一指令以执行以下步骤：调整该卷积神经网络结构以降低该些第二卷积层的该第二网络宽度；根据调整后的该卷积神经网络结构运行该推论引擎，使该第一阶层接收该影像，其中该影像为该初始输入；该第一阶层根据该初始输入产生一第一输出，并将该第一输出输入该第二阶层以及该物件检测层；该第二阶层根据该第一输出产生一第二输出，并将该第二输出输入该物件检测层；以及该物件检测层根据该第一输出以及该第二输出产生一最终输出以对该影像进行物件检测。在本公开的一实施例中，该卷积神经网络结构的该多重阶层还包含介于该第二阶层以及该物件检测层之间的一第三阶层，该第三阶层根据该第二阶层的该第二输出产生一第三输出，并将该第三输出输入该物件检测层，使该物件检测层根据该第一输出、该第二输出以及该第三输出产生该最终输出。在本公开的一实施例中，该处理器调整该卷积神经网络结构以降低所述多个第二卷积层的该第二网络宽度为减半该第二网络宽度。在本公开的一实施例中，该处理器更用以自该存储器存取并执行该至少一指令以：调整该卷积神经网络结构以降低所述多个第一卷积层的该第一网络宽度；以及由所述多个第一卷积层中的一最后卷积层产生该第一输出，其中该第一输出为所述多个第一卷积层中的至少二者的一串连输出，所述多个第一卷积层中的该至少二者依序连接于该最后卷积层之前。在本公开的一实施例中，该处理器调整该卷积神经网络结构以降低该第一网络宽度是指减半该第一网络宽度。在本公开的一实施例中，所述多个第一卷积层中的该至少二者的数量为四。在本公开的一实施例中，该第一输出的一第一分辨率大于该第二输出的一第二分辨率。在本公开的一实施例中，该卷积神经网络结构为一种单次多框检测器。在本公开的一实施例中，该影像的信息包含三原色值、深度信息以及非可见光值。本公开的另一实施方式涉及一种物件检测方法。该物件检测方法由一处理器所执行。该物件检测方法至少包含以下步骤：存取对应于一推论引擎的至少一指令，其中该推论引擎配适于具有多重阶层的一卷积神经网络结构，该卷积神经网络结构的该多重阶层包含接收一初始输入的一第一阶层、连接于该第一阶层的一第二阶层以及连接于该第二阶层的一物件检测层，其中该第一阶层的多个第一卷积层对应一第一网络宽度且该第二阶层的多个第二卷积层对应一第二网络宽度；调整该卷积神经网络结构以降低该些第二卷积层的该第二网络宽度；根据调整后的该卷积神经网络结构运行该推论引擎，使该第一阶层接收一影像，其中该影像为该初始输入；该第一阶层根据该初始输入产生一第一输出，并将该第一输出输入该第二阶层以及该物件检测层；该第二阶层根据该第一输出产生一第二输出，并将该第二输出输入该物件检测层；以及该物件检测层的根据该第一输出以及该第二输出产生一最终输出以对该影像进行物件检测。在本公开的一实施例中，所述的物件检测方法还包含：调整该卷积神经网络结构以降低所述多个第一卷积层的该第一网络宽度；以及由所述多个第一卷积层中的一最后卷积层产生该第一输出，其中该第一输出为所述多个第一卷积层中的至少二者的一串连输出，所述多个第一卷积层中的该至少二者依序连接于该最后卷积层之前。因此，根据本公开的前述实施方式，本公开至少提供一种物件检测系统以及物件检测方法，可在运算速度提升的前提下维持检测准确率。附图说明参照后续段落中的实施方式以及下列附图，当可更佳地理解本专利技术的内容：图1是基于本公开一些实施例所示出的物件检测系统的示意图；图2是基于本公开一些实施例所示出的物件检测方法的流程图；图3是基于本公开一些实施例所示出的卷积神经网络结构的示意图；图4是基于本公开一些实施例所示出的卷积神经网络结构的部分示意图；图5为基于本公开一些实施例所示出的卷积神经网络结构的部分示意图；以及图6为基于本公开一些实施例所示出的卷积神经网络结构的部分示意图。附图标记说明：100：物件检测系统110：存储器120：处理器130：影像获取装置200：物件检测方法S201～S205：步骤流程N：卷积神经网络结构SC1～SC6：阶层SC7：物件检测层INP：初始输入OP1～OP6：输出C1～C15：卷积层具体实施方式以下将以附图及详细叙述清楚说明本公开的构思，任何所属
中技术人员在了解本公开的实施例后，当可由本公开所教示的技术，加以改变及修饰，其并不脱离本公开的构思与范围。关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，意指包含但不限于。关于本文中所使用的用词(terms)，除有特别注明外，通常具有每个用词使用在此领域中、在本公开的内容中与特殊内容中的平常意义。某些用以描述本公开的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本公开的描述上额外的引导。请参照图1，其为基于本公开一些实施例所示出的物件检测系统的示意图。如图1所示，在一些实施例中，物件检测系统100包含存储器110以及处理器120，存储器110电性/通信耦接于处理器120。在又一些实施例中，物件检测系统100还包含一影像获取装置130，影像获取装置130电性/通信耦接于处理器120。在一些实施例中，物件检测系统100当中的存储器110、处理器120以及影像获取装置130可共同设置于一处以构成可独立运行的边缘装置(EdgeDevi本文档来自技高网...

【技术保护点】
1.一种物件检测系统，其特征在于，包含：/n一影像获取装置，用以获取一影像；/n一存储器，用以存储对应于一推论引擎的至少一指令，该推论引擎配适于具有多重阶层的一卷积神经网络结构，该卷积神经网络结构的该多重阶层包含接收一初始输入的一第一阶层、连接于该第一阶层的一第二阶层以及连接于该第二阶层的一物件检测层，其中该第一阶层的多个第一卷积层对应一第一网络宽度且该第二阶层的多个第二卷积层对应一第二网络宽度；以及/n一处理器，耦接于该存储器以及该影像获取装置，该处理器用以自该存储器存取并执行该至少一指令以：/n调整该卷积神经网络结构以降低所述多个第二卷积层的该第二网络宽度；/n根据调整后的该卷积神经网络结构运行该推论引擎，使该第一阶层接收该初始输入，其中该初始输入为该影像的信息；/n该第一阶层根据该初始输入产生一第一输出，并将该第一输出输入该第二阶层以及该物件检测层；/n该第二阶层根据该第一输出产生一第二输出，并将该第二输出输入该物件检测层；以及/n该物件检测层根据该第一输出以及该第二输出产生一最终输出以对该影像进行物件检测。/n

【技术特征摘要】
20190620 TW 1081215651.一种物件检测系统，其特征在于，包含：
一影像获取装置，用以获取一影像；
一存储器，用以存储对应于一推论引擎的至少一指令，该推论引擎配适于具有多重阶层的一卷积神经网络结构，该卷积神经网络结构的该多重阶层包含接收一初始输入的一第一阶层、连接于该第一阶层的一第二阶层以及连接于该第二阶层的一物件检测层，其中该第一阶层的多个第一卷积层对应一第一网络宽度且该第二阶层的多个第二卷积层对应一第二网络宽度；以及
一处理器，耦接于该存储器以及该影像获取装置，该处理器用以自该存储器存取并执行该至少一指令以：
调整该卷积神经网络结构以降低所述多个第二卷积层的该第二网络宽度；
根据调整后的该卷积神经网络结构运行该推论引擎，使该第一阶层接收该初始输入，其中该初始输入为该影像的信息；
该第一阶层根据该初始输入产生一第一输出，并将该第一输出输入该第二阶层以及该物件检测层；
该第二阶层根据该第一输出产生一第二输出，并将该第二输出输入该物件检测层；以及
该物件检测层根据该第一输出以及该第二输出产生一最终输出以对该影像进行物件检测。


2.如权利要求1所述的物件检测系统，其特征在于，该卷积神经网络结构的该多重阶层还包含介于该第二阶层以及该物件检测层之间的一第三阶层，该第三阶层根据该第二阶层的该第二输出产生一第三输出，并将该第三输出输入该物件检测层，使该物件检测层根据该第一输出、该第二输出以及该第三输出产生该最终输出。


3.如权利要求1所述的物件检测系统，其特征在于，该处理器调整该卷积神经网络结构以降低所述多个第二卷积层的该第二网络宽度为减半该第二网络宽度。


4.如权利要求1所述的物件检测系统，其特征在于，该处理器更用以自该存储器存取并执行该至少一指令以：
调整该卷积神经网络结构以降低所述多个第一卷积层的该第一网络宽度；以及
由所述多个第一卷积层中的一最后卷积层产生该第一输出，其中该第一输出为所述多个第一卷积层中的至少二者的一串连输出，所述多个第一卷积层...

【专利技术属性】
技术研发人员：曾羽鸿，
申请(专利权)人：和硕联合科技股份有限公司，
类型：发明
国别省市：中国台湾;71