【技术实现步骤摘要】
基于动态分组卷积的行人检测方法及系统
[0001]本专利技术涉及神经网络
，具体地说是一种基于动态分组卷积的行人检测方法及系统。
技术介绍
[0002]近年来，深度学习领域涌现出多种目标检测网络，在模型大小、推理速度、识别精度等多个方面表现优异。目标检测多用于视频监控追踪领域，随着边缘计算的发展，通常要求移动端设备具有一定的智能检测能力，受限于设备端的存储资源、计算资源等，要求模型不能太大，且保持一定的推理速度和检测精度。更深更广的深度卷积神经网络可以获得更好的性能，这导致设计了大量的巨大而复杂的模型。为降低模型复杂度的同时保证模型的精度，如何完成卷积的加速计算成为热点问题。分组卷积可以用于加速GPU之间的训练过程和推理过程，现阶段“一刀切”的分组方法，只是简单的将卷积进行分组，并不考虑卷积之间的相关性和冗余性，这不但不会加速计算，反而会造成卷积性能下降。
[0003]人工智能实现过程中需要大规模的数据训练，过度依赖大存储、高性能的硬件设备或者云端资源，而边端设备内存，性能受限，边
‑
端互联又...
【技术保护点】
【技术特征摘要】
1.一种基于动态分组卷积的行人检测方法，其特征在于，该方法具体如下：获取行为人数据集，利用分组卷积构建目标检测网络架构，在保留原始神经网络结构完成初始训练；其中，行为人数据集是根据使用场景进行采集，再利用人工标注或智能标注获取标签，完成数据集建立；或使用公开的数据集进行筛选后获取使用；行为人数据集中包括的行人特征包括面部明显特征、穿衣特征及根据实际场景需要提取的相应特征；面部明显特征包括眼镜；穿衣特征包括颜色及款式；利用显著性分数生成器对输入通道和输出通道计算分值，并按照从高到低的顺序进行排序；设置阈值，筛选输出通道对应的输入通道；利用通道选择器替代每个反转残差块中的最后1x1个逐点卷积层；利用行人数据再次训练目标检测网络架构，得到推理模型；将推理模型部署于边端，对实时采集到的目标进行识别和判断。2.根据权利要求1所述的基于动态分组卷积的行人检测方法，其特征在于，利用分组卷积构建目标检测网络架构具体如下：在保持原始神经网络结构完整的同时，将神经网络内的卷积随机分为多组；为每个组自适应地选择最相关的输入通道，即为每个组引入一个辅助特征选择器，辅助特征选择器根据当前输入通道的激活情况动态地决定哪一部分输入通道要被连接；多个组捕捉到输入图像的不同互补的视觉和/或语义特征，使分组后的卷积有能力学习大量的特征表示；在训练过程中，不断修改分组情况。3.根据权利要求1或2所述的基于动态分组卷积的行人检测方法，其特征在于，分组卷积由两个头组成，每个头中包括一个用来为每个通道分配重要性分数的显著性分数生成器。4.根据权利要求3所述的基于动态分组卷积的行人检测方法，其特征在于，显著性分数生成器的作用如下：
①
、给每个输入通道分配一个代表其重要性的分数，该分数鼓励不同的头使用不同的输入通道的子部分，实现多样化的特征表示；同时利用该分数对重要性分数较低的通道进行修剪；其中，重要性分数较低的通道指的是重要性分数低于设定阈值的通道；
②
、根据输入通道选定子集引导正常函数，在每个头中生成输出通道；且在当前头中，使用头部阈值决定DGC层中每个头部的人一个通道门的数量；
③
、将来自不同头的输出通道被连接在一起，并进行融合。5.根据权利要求4所述的基于动态分组卷积的行人检测方法，其特征在于，根据设定的输入通道和输出通道的数量以及头的数据来分配每个头负责的输出量，并分别使用一个突出性引导的通道选择器筛选出输入通道的哪一部分不参与该组内的卷积计算。6.根据权利...
【专利技术属性】
技术研发人员：李雪，滕以金，李锐，林俊豪，张晖，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。