公开(公告)号：CN114332070B

公开(公告)日：2024-05-28

申请号：CN202210005347.X

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 高艾 ,  王俊伟 ,  周永军 ,  兀泽朝 ,  徐胜楠

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开的基于智能学习网络模型压缩的陨坑检测方法，属于深空探测技术领域。本发明实现方法：通过数据增强方法扩充先前探测任务获取的陨坑图像来构建陨坑数据集，为陨坑检测模型训练提供基础。通过设计出陨坑检测卷积神经网络模型和定义合适的损失函数，使陨坑检测卷积神经网络实现陨坑检测的功能。采用通道剪枝方法显著减少陨坑检测卷积神经网络中冗余卷积核的数量，成倍减少陨坑检测神经网络模型的参数量；采用深度可分离卷积替换普通卷积，将陨坑检测卷积神经网络中的标准卷积过程分解为逐通道卷积和逐点卷积，实现卷积过程在空间结构与通道方面的解耦。本发明能够降低陨坑检测神经网络模型的参数量和检测时间，提升陨坑图像检测效率。

公开(公告)号：CN114332070A

公开(公告)日：2022-04-12

申请号：CN202210005347.X

申请日：2022-01-05

Applicant: 北京理工大学

Inventor： 高艾 ,  王俊伟 ,  周永军 ,  兀泽朝 ,  徐胜楠

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开的基于智能学习网络模型压缩的陨坑检测方法，属于深空探测技术领域。本发明实现方法：通过数据增强方法扩充先前探测任务获取的陨坑图像来构建陨坑数据集，为陨坑检测模型训练提供基础。通过设计出陨坑检测卷积神经网络模型和定义合适的损失函数，使陨坑检测卷积神经网络实现陨坑检测的功能。采用通道剪枝方法显著减少陨坑检测卷积神经网络中冗余卷积核的数量，成倍减少陨坑检测神经网络模型的参数量；采用深度可分离卷积替换普通卷积，将陨坑检测卷积神经网络中的标准卷积过程分解为逐通道卷积和逐点卷积，实现卷积过程在空间结构与通道方面的解耦。本发明能够降低陨坑检测神经网络模型的参数量和检测时间，提升陨坑图像检测效率。