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

Inventor： 阮雅端 ,  朱珂昕 ,  王锐 ,  孟凡泽 ,  徐沁心 ,  陈钊正 ,  陈启美

IPC: G06V10/44 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

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。

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

Inventor： 阮雅端 ,  朱珂昕 ,  徐沁心 ,  孟凡泽 ,  王麟皇 ,  陈启美

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

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。