一种轻量化目标检测方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种轻量化目标检测方法、装置和存储介质，其中方法包括：设计轻量化模块，将所述轻量化模块插入预设的目标检测模型中，或者替换预设的目标检测模型中的模块；重新训练目标检测模型，在模型训练拟合后，对目标检测模型进行通道剪枝，以删除冗余的通道；对通道剪枝后的目标检测模型进行知识蒸馏；对目标检测模型进行量化操作，以降低模型的大小和运算量，从而便于将目标检测模型部署在边缘设备上。本发明专利技术通过插入轻量化模块、采用通道剪枝对模型进行裁剪以及采用知识蒸馏对裁剪后的模型进行弥补等手段，在保持精度与速度的平衡上，使得模型存储占用小，计算量有效减少，能够方便的部署到边缘设备上。本发明专利技术可广泛应用于目标检测领域。目标检测领域。目标检测领域。

【技术实现步骤摘要】
一种轻量化目标检测方法、装置和存储介质


[0001]本专利技术涉及目标检测领域，尤其涉及一种轻量化目标检测方法、装置和存储介质。

技术介绍

[0002]目标检测是计算机视觉领域内的一项基本、富有挑战性的问题之一。近些年来，随着深度学习在目标检测领域的大规模应用，目标检测技术的精度和速度得到了迅速的提高，已被广泛应用在日常生活安全、交通场景检测和航空航天等领域。但是，因为不同的成像条件和环境因素会对物体的外观产生巨大的影响，这会导致同一类物体的不同实例间产生很大的差异性，而不同类的物体间可能非常相似，这些问题也使得目标检测具有很大的挑战性。
[0003]传统的目标检测算法采用类似穷举的滑动窗口方法或图像分割技术来生成大量的候选区域，然后对一个候选区域提取图像特征，并将这些特征传递给一个分类器来判断该候选区域的类别。因为传统方法提取到的特征存在比较大的局限性，产生候选区域的方法也需要大量的计算开销，所以，检测的精度和速度都远远达不到实际应用的要求，这也一度让传统目标检测技术研究陷入了瓶颈。
[0004]目前的检测算法的计算量较大或者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量化目标检测方法，其特征在于，包括以下步骤：设计轻量化模块，将所述轻量化模块插入预设的目标检测模型中，或者替换预设的目标检测模型中的模块；重新训练目标检测模型，在模型训练拟合后，对目标检测模型进行通道剪枝，以删除冗余的通道；对通道剪枝后的目标检测模型进行知识蒸馏；对目标检测模型进行量化操作，以降低模型的大小和运算量。2.根据权利要求1所述的一种轻量化目标检测方法，其特征在于，所述轻量化模块包括Ghost模块和DFC注意力模块；所述轻量化模块分成两个分支，其中一个分支通过第一卷积单元进行卷积计算；另一个分支通过第二卷积单元进行卷积计算，并将该第二卷积单元的输出作为Ghost模块和第一DFC注意力模块的输入，将该Ghost模块的输出和第一DFC注意力模块的输出进行相乘处理后，作为第二Ghost模块的输入，以进一步提取特征；将所述第二Ghost模块的输出和所述第二卷积单元的输出进行相加处理后，与所述第一卷积单元的输出进行拼接，并输入第三卷积单元进行卷积计算。3.根据权利要求2所述的一种轻量化目标检测方法，其特征在于，所述Ghost模块包括第五卷积单元、深度可分离卷积单元和拼接单元；其中，输入数据经过所述第五卷积单元进行卷积计算，所述第五卷积单元的输出作为所述深度可分离卷积单元的输入，所述深度可分离卷积单元的输出与所述第五卷积单元的输出进行拼接后，作为所述Ghost模块的输出。4.根据权利要求2所述的一种轻量化目标检测方法，其特征在于，所述DFC注意力模块包括依次连接的下采样单元、1
×
1卷积单元、水平全连接层、垂直全连接层以及sigmoid函数单元；所述DFC注意力模块的运算操作如下：所述DFC注意力模块的运算操作如下：式中，和是权重；H为特征图的长，W为特征图的宽；z
h
′
w
是输入特征图。5.根据权利要求1所述的一种轻量化目标检测方法，其特征在于，所述对目标检测模型进行通道剪枝，包括：对目标检测模型进行稀疏化训练，以使每一层通道的缩放因子γ尽可能的接近0；根据缩放因子γ判断通道的重要性，裁去符合预设条件的通道，得到通道剪枝后...

【专利技术属性】
技术研发人员：廖平，杜明辉，李浩，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：