一种轻量化卷积神经网络目标检测的实现方法

    公开(公告)号:CN115311467A

    公开(公告)日:2022-11-08

    申请号:CN202110491535.3

    申请日:2021-05-06

    Applicant: 南京大学

    Abstract: 一种轻量化卷积神经网络目标检测的实现方法,对目标检测模型的锚点框、骨干网络和检测头分别进行轻量化,轻量化锚点框改进了最大交并比训练样本匹配策略,缓解不同目标间正样本数量不平衡问题,在提高检测精度的同时,可大幅削减锚点框的密度;采用轻量卷积神经网络ShuffleNetV2为骨干网络,增加通道注意力模块,对通道特征进行重标定,学习不同的通道特征的重要性以及通道特征间的关系;对检测头的轻量化提出串行轻量化检测头结构,将检测头部回归分支卷积接在分类分支卷积后,使得回归分支充分利用分类结果,提升模型定位准确度,并且使用分组卷积轻量化检测头。本发明对目标检测网络进行了轻量化,在保证准确性同时,大幅提升网络推理速度。

    一种基于损失反馈的类别和尺度均衡目标检测训练方法

    公开(公告)号:CN115311485A

    公开(公告)日:2022-11-08

    申请号:CN202110492210.7

    申请日:2021-05-06

    Applicant: 南京大学

    Abstract: 一种基于损失反馈的类别和尺度均衡目标检测训练方法,在对检测网络进行迭代训练时,基于损失函数的反馈对训练样本分别进行类别均衡和尺度均衡,类别均衡动态调整迭代训练中各类别和各样本的采样概率,使训练类别及样本数据均衡,得到训练集I’,尺度均衡动态调整训练集I’的训练样本尺度,通过图像拼接使训练集I’的目标尺度满足训练需求,经过类别平衡和尺度均衡的训练集I”作为新一次迭代训练样本进行训练。本发明使训练中模型更关注少样本类别,可提升模型泛化性,根据网络需要提供不同尺度的训练样本,在确保大物体准确性同时提升小物体检测准确度。本发明仅增加少量对样本梯度占比的计算量,不影响训练推理速度的前提下,提高了训练准确性。

Patent Agency Ranking