【技术实现步骤摘要】
一种工业视觉检测模型优化方法
[0001]本专利技术涉及一种模型优化方法，特别是涉及一种工业视觉检测模型优化方法，属于工业视觉检测领域。
技术介绍
[0002]在大型的深度学习网络中，大部分的神经元的激活都是趋向于零的，而这些激活为0的神经元是冗余的，将它们剔除可以大大降低模型的大小和运算量，而不会对模型的性能造成影响。因此在进行模型裁剪时，需要挑选出模型中不重要的参数，将其剔除而不会对模型的效果造成太大的影响。
[0003]标准的模型裁剪三个步骤：1)训练一个很大且有冗余参数的模型，得到最佳网络性能，以此为基准；2)基于一定的准则来裁剪大网络模型；3)在数据集上微调裁剪后的网络模型。
[0004]神经网络架构搜索(NAS)是通过算法来搜索解决问题所需的神经网络结构。通常情况下会先定义描述神经网络架构的基本模块(block)，然后用一种配置字符串(configuration string)表达一种架构。
[0005]经典的神经网络架构搜索有：
[0006](1)基于进化算法(neuro>‑
evo本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工业视觉检测模型优化方法，其特征在于，所述模型优化方法包括：S1.获取目标检测网络模型，并进行网络结构划分成n个Blocks；S2.对划分后的n个Blocks进行采样分析，至符合设定标准的第i个Block；对该Block与其余Blocks进行分别处理，并评估分析；若不满足阈值要求，则重新循环S2；若满足阈值要求，则进行模型输出。2.根据权利要求1所述一种工业视觉检测模型优化方法，其特征在于，所述S1.获取目标检测网络模型，并进行网络结构划分成n个Blocks包括：S101.取目标检测网络模型；S102.根据目标检测网络模型的网络结构，进行划分，获得n个Blocks，确保每个Block都有宽度缩放系数α
i
和深度缩放系数β
i
。3.根据权利要求2所述一种工业视觉检测模型优化方法，其特征在于，所述S1.获取目标检测网络模型，并进行网络结构划分成n个Blocks还包括：S103.通过公式(1)和(2)更新每个Block的卷积核个数w
i
和连续进行卷积运算的相同网络结构块的个数h
i
；；其中w
i
是指第i个Block的卷积核个数，是指更新后第i个Block的卷积核个数，h
i
是指第i个Block的里面连续进行卷积运算的相同网络结构块的个数，是指更新后第i个Block的里面连续进行卷积运算的相同网络结构块的个数。4.根据权利要求2所述一种工业视觉检测模型优化方法，其特征在于，所述S2.对划分后的n个Blocks进行采样分析，至符合设定标准的第i个Block；对该Block与其余Blocks进行分别处理，并评估分析；若不满足阈值要求，则重新循环S2；若满足阈值要求，则进行模型输出包括：S201.对n个Blocks依次抽取；S202.对第i个Block的α
i
，β
i
随机采样，将该Block的个卷积核个数和个相同卷积结构进行权重初始化，设定该模型为新的模型χ1，并训练至收敛；S203.对χ1的收敛结果进行评估，将评估后的χ1进行马尔科夫链分析；S204.若χ1的第n+1个step收敛结果好于第n个step收敛结果，则α
i
，β
i
将被保存到第n+1个step的马尔科夫链中；S205.判断χ0模型的迭代次数是否大于阈值L，如果没达到，则把模型χ0返回给S201，如果达到阈值L，则停止循环；S206.取每个Block的α
i
，β
i
在这个稳定概率分布的中位数，计算出每个Block层的个卷积核个数和个连续进行卷积运算的相同网络结构块，完全初始化χ0模型并...
【专利技术属性】
技术研发人员：骆韬，肖高博，李晓刚，贺黎恒，
申请(专利权)人：珠海博杰电子股份有限公司，
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。