一种轻量化物体识别方法技术

本发明专利技术涉及一种轻量化物体识别方法，首先设计一个针对目标检测任务的轻量化主干网络Tinynet，通过将轻量化模块有序地连接，最终形成模型的整体结构，包括输入和输出特征图分辨率相同的模块，以及降采样模块；在输入和输出特征图分辨率相同的模块中，由上一模块输入的特征图在特征通道方向上被平均拆分为两部分，在分别经由这两个不同大小的卷积核分支进行卷积运算之后拼接到一起，然后使用一个1×1的卷积核对不同通道的特征进行融合，最后与跳层连接传送来的输入特征进行元素级别加法运算并输出；而在降采样模块中，每个分支直接对所有上一模块输入的特征通道进行卷积运算。本发明专利技术大大降低了模型的参数量，明显提升了检测速度。

【技术实现步骤摘要】

本专利技术属于视频处理和图像智能分析，涉及一种轻量化物体识别方法。

技术介绍

1、计算机视觉技术广泛应用于视频侦查、自动驾驶、人脸识别等诸多领域。目标检测作为计算机视觉领域基础研究方向之一，其任务是识别出图像中的一个或多个目标，给出这些目标的位置信息和类别信息，从而能够进一步实现后续任务和应用。

2、目标检测的研究最早开始于上世纪六十年代，传统的目标检测算法是基于人工设计特征结合浅层分类器的框架，这类目标检测算法虽然取得了不错的效果，但冗余度高，运行速度慢，鲁棒性不强，不能很好地表达多类目标的特征。随着近年来深度学习技术的发展，基于深度卷积神经网络的目标检测算法的识别准确率取得了巨大的提升。基于卷积神经网络的目标检测算法主要分为两大类，一类是基于候选区域的目标检测框架，如以faster r-cnn、mask r-cnn为代表的一系列目标检测框架，这类检测算法准确度较高，但检测速度很难满足实时性要求；另一类是基于直接回归的目标检测框架，如以yolo、ssd、yolov3等为代表的一系列模型，由于省去了提取候选区域的过程，检测速度大大提升。

本文档来自技高网...

【技术保护点】

1.一种轻量化物体识别方法，其特征在于：首先设计一个针对目标检测任务的轻量化主干网络Tinynet，该网络采用模块化设计方式，通过将轻量化模块有序地连接最终形成模型的整体结构包括输入和输出特征图分辨率相同的模块，以及降采样模块；两种模块都包含两个分支，一个分支包含卷积核大小为3×3的深度可分离卷积，另外一个分支包含卷积核大小为5×5的深度可分离卷积；在输入和输出特征图分辨率相同的模块中，由上一模块输入的特征图在特征通道方向上被平均拆分为两部分，在分别经由这两个不同大小的卷积核分支进行卷积运算之后拼接到一起，然后使用一个1×1的卷积核对不同通道的特征进行融合，最后与跳层连接传送来的输入特征...

【技术特征摘要】

1.一种轻量化物体识别方法，其特征在于：首先设计一个针对目标检测任务的轻量化主干网络tinynet，该网络采用模块化设计方式，通过将轻量化模块有序地连接最终形成模型的整体结构包括输入和输出特征图分辨率相同的模块，以及降采样模块；两种模块都包含两个分支，一个分支包含卷积核大小为3×3的深度可分离卷积，另外一个分支包含卷积核大小为5×5的深度可分离卷...

【专利技术属性】
技术研发人员：余进，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：