一种融合多教师知识蒸馏的Yolov7柚子计数方法技术

本发明专利技术公开了一种融合多教师知识蒸馏的Yolov7柚子计数方法，通过对YOLOv7‑Tiny‑Large网络模型静态剪枝，得到轻量化的YOLOv7‑Tiny‑Pruning网络模型，作为学生模型；对YOLOv7‑Tiny网络模型的主干网络中添加AIFI模块并修改损失函数，作为教师模型Ⅰ；对YOLOv7‑Tiny网络模型的颈网络中添加SEAM注意力机制，修改损失函数，作为教师模型Ⅱ；使用两个教师模型的知识转学生模型，生成总蒸馏损失函数；再用总蒸馏损失函数对学生模型进行蒸馏训练。本发明专利技术通过多教师知识蒸馏的方式来恢复因剪枝而损失的精确度，同时提高模型鲁棒性和精确度。

【技术实现步骤摘要】

本专利技术属于农作物信息检测，涉及一种融合多教师知识蒸馏的yolov7柚子计数方法。

技术介绍

1、柚子是一种常见的水果，其种植和销售具有重要的经济意义。柚子的计数识别是柚子种植生产中的一项重要任务，可以帮助农民进行产量预估。然而，在自然环境下进行柚子计数识别存在一定的挑战。自然环境中存在大量干扰物体，这给柚子计数识别带来了困难。传统的计数方法往往受到自然环境的影响，导致识别精度较低。并且传统的识别模型往往都有着模型冗余、推理速度慢、可解释性差、部署困难等问题。

2、为了应对这种情况，机器视觉应用到了农作物辅助生产领域。目前机器视觉辅助农作物生产的应用已经十分广泛，极大的便利了农作物的生产，降低了农作物生产的成本。

技术实现思路

1、本专利技术的目的在于，结合了计算机深度学习，提出一种融合多教师知识蒸馏的yolov7柚子计数方法。

2、本专利技术通过下述方案来实现。一种融合多教师知识蒸馏的yolov7柚子计数方法，包括以下步骤。

3、步骤一：通过对yolov7-tiny-l本文档来自技高网...

【技术保护点】

1.一种融合多教师知识蒸馏的Yolov7柚子计数方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多教师知识蒸馏的Yolov7柚子计数方法，其特征在于，所述步骤一中，通过对YOLOv7-Tiny-Large网络模型使用柚子照片数据集进行训练；对训练后的YOLOv7-Tiny-Large网络模型剪枝，剪枝方法为LAMP剪枝；用最优稀疏化目标函数对训练后的YOLOv7-Tiny-Large网络模型进行稀疏化后使用L2正则化，进行权重衰减以达到剪枝的作用；所述最优稀疏化目标函数如下：

3.根据权利要求1所述的融合多教师知识蒸馏的Yolov7柚子计数方法，其特...

【技术特征摘要】

1.一种融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，所述步骤一中，通过对yolov7-tiny-large网络模型使用柚子照片数据集进行训练；对训练后的yolov7-tiny-large网络模型剪枝，剪枝方法为lamp剪枝；用最优稀疏化目标函数对训练后的yolov7-tiny-large网络模型进行稀疏化后使用l2正则化，进行权重衰减以达到剪枝的作用；所述最优稀疏化目标函数如下：

3.根据权利要求1所述的融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，教师模型ⅰ的知识转学生模型的方法如下：

4.根据权利要求3所述的融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，教师模型ⅱ的知识转学生模型的方法与教师模型ⅰ的知识转学生模型的方法相同。

5.根据权利要求4所述的融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，总蒸馏损失函数是蒸馏损失函数ⅰ与蒸馏损失函数ⅱ之和。

6.根据权利要求1所述的融合多教师知识蒸馏的yolov7柚子计数方法，其特征在于，所述教师模型ⅰ由主干网络、颈网络、预测输出构成，主干网络依次由第一卷积模块、第二卷积模块、第一c5模块、第一最大池化模块、第二c5模块、第二最大池化模块、第三c5模块、第三最大池化模块、第四c5模块、aifi模块组成；颈网络包括sppcspc模块、第三卷积模块、第四卷积模块、第五卷积模块、第五c5模块、第六卷积模块、第六c5模块、第七卷积模块、第七c5模块、第八卷积模块、第八c5模块；第三c5模块输出的特征经第四卷积模块卷积，aifi模块输出的特征进入sppcspc模块处理，sppcspc模块输出的特征经上采样后...

【专利技术属性】
技术研发人员：易文龙，夏硕康，肖意风，熊叶，杨玲玲，翁丽明，张莹，程香平，
申请(专利权)人：江西农业大学，
类型：发明
国别省市：