一种基于模型压缩的目标检测方法技术

本发明专利技术公开了一种基于模型压缩的目标检测方法，包括：1、构建包含目标物体的图像数据集，包括视频采集、视频截帧、图像构建以及物体标注；2、构建基于教师网络和学生网络的目标检测压缩模型；3、构建目标检测损失函数；4、构建总体损失函数，去约束教师检测器和学生检测器的训练；5、构建量化感知训练，对学生检测器进行模型压缩。本发明专利技术通过注意力分配，实现了教师检测器和学生检测器知识的跨层关联，借助总体损失函数的约束，实现了教师检测器和学生检测器知识的迁移，大大提升了学生检测器对视频中目标物体的检测能力，采用量化感知训练，实现了学生检测器的模型压缩，大大提升了学生检测器在目标物体检测任务中的运行效率。

【技术实现步骤摘要】

本专利技术属于深度学习模型压缩和目标检测领域，具体的说是一种基于模型压缩的目标检测方法。

技术介绍

1、随着目标检测技术的发展以及智能终端设备的普及，越来越多的目标检测技术被广泛的应用在移动端或嵌入式边缘端。众所周知，目标检测模型通常是复杂且参数量庞大的，要运行目标检测算法通常需要非常昂贵的计算资源，这对于算力充足的服务器端来说，通常是不需要考虑的问题；然而不同于服务器端，移动端或嵌入式边缘端算力资源往往是十分有限的，要在有限的算力资源下去运行复杂的目标检测算法通常是一个极具挑战性的任务。

2、一般而言，为了能在移动端或嵌入式边缘端运行目标检测算法，通常选择的目标检测模型都是轻量化模型，轻量化模型具有参数量少、网络简单的优势，但是它也存在模型应用效果差、模型运行实时性不足的问题；为了解决轻量化模型应用效果差的问题，学术界和工业界提出了借助教师网络和学生网络联合训练进行模型压缩的方法，即在不改变学生网络模型结构和参数量大小的情况下，借助教师网络的指导来监督学生网络的训练，以实现知识从教师网络到学生网络的迁移，进而使得轻量化模型的应用效果得到提升，本文档来自技高网...

【技术保护点】

1.一种基于模型压缩的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤2包括以下步骤：

3.根据权利要求2所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤3包括以下步骤：

4.根据权利要求3所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤4包括以下步骤：

5.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-4中任一所述目标检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。</p>

6.一种...

【技术特征摘要】

1.一种基于模型压缩的目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤2包括以下步骤：

3.根据权利要求2所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤3包括以下步骤：

4.根据权利要求3所述的一种基于模型压缩的目标检测方法，其特征在于，所述步骤4包括...

【专利技术属性】
技术研发人员：唐俊，张冠龙，曹紫强，张艳，鲍文霞，
申请(专利权)人：安徽大学，
类型：发明
国别省市：