一种面向边缘计算平台的轻量级目标检测动态混合网络制造技术

本发明专利技术公开了一种面向边缘计算平台的轻量级目标检测动态混合网络。包括：首先，设计路由函数并以数据驱动的方式预测目标旋转角度，然后卷积核根据预测到的角度自适应地旋转，以根据不同的输入图像自动调整计算参数；其次，在卷积层内设计了冗余信息通道快速生成方法，利用线性滤波器组替换标准卷积，实现原有特征图的快速生成与替换；此外设计了空间正交注意力机制，从水平和竖直两个方向聚合目标局部和远程信息，使得卷积结构能够捕获远距离像素间的依赖关系；其次在不同卷积层间设计特征聚合方法，将不同中间层的特征收集拼接，并用全局平均池化操作来得到聚合特征，并与原始特征融合，从而减少卷积层的通道数。

【技术实现步骤摘要】

本专利技术属于计算机视觉，涉及一种面向边缘计算平台的轻量级目标检测动态混合网络设计方法。

技术介绍

1、目标检测是图像数据智能解译的关键技术,它能从数据海量的可见光图像中自动定位与识别有价值目标(如飞机、舰船、桥梁等)，是图像处理领域一个重要的研究方向。目标检测广泛应用于各种领域当中，包括环境监测、地质灾害探测、智慧城市、国家安防等。随着图形处理器(gpu)性能的快速提高和高分辨率图像的快速增长，基于卷积神经网络(cnn)的检测方法近年来受到了越来越多的关注。

2、现有的基于cnn的检测框架主要分为两类：单阶段检测器(one-stage)和双阶段检测器(two stage detectors)。其中,单阶段检测器通常通过预设大量的锚框获取目标可能存在的区域，然后通过卷积操作提取目标特征图。最后，基于这些锚框和特征图进行回归和分类操作。双阶段检测器采用regional proposal network(rpn)对目标可能存在的区域进行筛选和修正，将水平的候选区域变换为旋转的候选区域，以此来避免背景的干扰，最后再进行精细的分类和定位。但是这些检测器本文档来自技高网...

【技术保护点】

1.一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，所述的步骤一还包括：设计了空间方向估计器，将大小为[Cin,H,W]的特征输入动态旋转卷积模块，首先经过一个3×3卷积核计算，然后进行ReLU激活和平均池化，最后由两个线性层预测空间角度；其次设计了动态旋转卷积，它包含n个卷积核W＝(W1,W2,···,Wn),每个核的形状是[Cin,Cout,k,k],Cin，Cout表示输入和输出的通道数，卷积核的大小是k×k；首先计算单个旋转卷积核W′，将θi和Wi作为参...

【技术特征摘要】

1.一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，所述的步骤一还包括：设计了空间方向估计器，将大小为[cin,h,w]的特征输入动态旋转卷积模块，首先经过一个3×3卷积核计算，然后进行relu激活和平均池化，最后由两个线性层预测空间角度；其次设计了动态旋转卷积，它包含n个卷积核w＝(w1,w2,···,wn),每个核的形状是[cin,cout,k,k],cin，cout表示输入和输出的通道数，卷积核的大小是k×k；首先计算单个旋转卷积核w′，将θi和wi作为参数，经过rotate(·)函数计算：

3.根据权利要求1所述的一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，所述的步骤二中构造构建卷积层内冗余信息通道快速生成模块的具体方法为：

4.根据权利要求1所述的一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，所述步骤三中构建空间正交自注意力机制的具体方法为:将全连接层分解为两个层，并分别沿水平和垂直方向聚合特征；它可以表述为

5.根据权利要求1所述的一种面向边缘计算平台的轻量级目标检测动态混合网络，其特征在于，所述步骤四中快速旋转卷积层构建的具体方法为：首先,整个卷积层的输入特征图f∈h×w×c被发送到两个分支，其中一个生成本征特征图和冗余特征图，另一个是正交自注意力机制以产生注意力图a；卷积层的最终输出o∈r...

【专利技术属性】
技术研发人员：邓宸伟，韩煜祺，敬栋麟，王文正，唐林波，丁志晗，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：