买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：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。

主权项：1.一种基于智能学习网络模型压缩的陨坑检测方法，其特征在于：包括如下步骤，步骤一、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图像数据集，以弥补高质量陨坑图像数量不足的问题，随机将扩充后的陨坑图像数据集按预定比例划分为训练集和验证集；步骤二、通过设计出陨坑检测卷积神经网络模型，在编码网络中使用卷积和池化操作提取陨坑图像的浅层特征，得到陨坑图像的不同特征图，使用卷积进行特征提取时，随着卷积训练推进卷积核的感受野不断扩大，使陨坑检测卷积神经网络不仅能够检测出图像中面积较大的陨坑，还能获取陨坑和背景之间关系的特征；在解码网络中采用多次卷积和最近邻插值进行特征提取和上采样，缓解神经网络训练过程中的梯度消失问题；通过定义损失函数，计算陨坑检测网络的预测结果和标注结果之间的误差，并根据误差使用反向传播算法调整陨坑检测网络中的参数，从而使陨坑检测卷积神经网络实现陨坑检测的功能；步骤三、采用通道剪枝和深度可分离卷积替换的方法对步骤二设计出的陨坑检测卷积神经网络模型进行轻量化处理，即对陨坑检测卷积神经网络模型轻量化压缩，降低陨坑检测卷积神经网络模型结构的参数量和复杂度，提升陨坑检测卷积神经网络模型检测陨坑图像的效率；使用通道剪枝方法，显著减少陨坑检测卷积神经网络中冗余卷积核的数量，进而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，进一步降低陨坑检测卷积神经网络模型参数量，进而在保证陨坑检测精度的前提下进一步提高检测效率。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于智能学习网络模型压缩的陨坑检测方法