基于查找表的物体检测方法和装置制造方法及图纸

本申请实施例提供一种基于查找表的物体检测方案，涉及计算机视觉技术领域，该方法包括：对预训练的物体检测模型中全部卷积层的卷积核的权重参数以及产生的特征图的激活值进行统一量化；创建二维乘法查找表；将待检测图像输入物体检测模型中，当计算流程进入目标卷积层时，获取统一量化后的待检测图像对应的特征图和量化后目标卷积层中的卷积核；针对特征图中的各元素，将元素视为第一乘数，将元素在卷积核中对应的元素视为第二乘数；将第一乘数、第二乘数输入二维乘法查找表中，得到二进制中间乘积并对各二进制中间乘积进行移位补零后求和，得到目标乘积；基于得到的各目标乘积生成检测张量。通过该物体检测方法，能够提升对图像中物体检测效率。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种基于查找表的物体检测方法和装置。

技术介绍

1、在计算机视觉领域物体检测是核心技术之一，其广泛应用于自动驾驶、智能监控、机器人导航等场景。yolo(you only look once)作为一种高性能的物体检测和图像分割模型是当前主流的实时物体检测技术之一，它以其卓越的速度和良好的精度得到了广泛应用。在yolo技术中，一张输入的图像x首先被预先定义为一个由s×s个网格组成的逻辑划分。随后，该图像通过一个cnn(convolutional neural network,深度卷积神经网络)进行处理，最终输出一个维度为s×s×(b×5+c)的特征张量。在此张量中：s代表网格在水平和竖直方向上的划分数量。b代表每个网格预测的边界框(bounding box)数量。每个边界框通常由5个值描述分别为中心点x、y坐标，宽度w，高度h，以及置信度。c代表数据集中预设的物体种类总数。

2、该输出张量包含了图像中所有潜在物体的位置、大小和类别信息。然而，实现这一过程的卷积神经网络包含了极大的计算量，尤其是在其核心的卷积操作中，这限本文档来自技高网...

【技术保护点】

1.一种基于查找表的物体检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对预训练的物体检测模型中全部卷积层的卷积核的权重参数以及推理过程中产生的特征图的激活值进行统一量化处理的步骤，包括：

3.根据权利要求1所述的方法，其特征在于，将所述第一乘数、所述第二乘数输入所述二维乘法查找表中，得到二进制中间乘积，并对各所述二进制中间乘积进行移位补零后求和，得到目标乘积的步骤，包括：

4.根据权利要求3所述的方法，其特征在于，从右侧为起点将所述第一乘数进行组划分得到第一分组的步骤，包括：

5.根据权利要求3所述的方法，...

【技术特征摘要】

1.一种基于查找表的物体检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对预训练的物体检测模型中全部卷积层的卷积核的权重参数以及推理过程中产生的特征图的激活值进行统一量化处理的步骤，包括：

3.根据权利要求1所述的方法，其特征在于，将所述第一乘数、所述第二乘数输入所述二维乘法查找表中，得到二进制中间乘积，并对各所述二进制中间乘积进行移位补零后求和，得到目标乘积的步骤，包括：

4.根据权利要求3所述的方法，其特征在于，从右侧为起点将所述第一乘数进行组划分得到第一分组的步骤，包括：

5.根据权利要求3所述的方法，其特征在于，按照预设规则分别从所述第一分组和第二分组中各提取一个分组输入查找表中，得到二进制中间乘积的步骤，包括：

6.根据权利要求3所述的方法，其特征在于，对各所述...

【专利技术属性】
技术研发人员：雷伯涵，章敏，徐晓音，张龙建，王晗，刘书朋，李太豪，
申请(专利权)人：浙江大学，
类型：发明
国别省市：