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：苏州凌图科技有限公司

摘要：本发明公开了一种HarDNet‑Lite在嵌入式平台的优化方法，用以解决现有的目标检测网络过于复杂、运算量大、在嵌入式平台推理速度慢与定位精度低的问题。该方法包括以下步骤：1搭建轻量级的HarDNet‑Lite特征提取网络；2采用加权FPN结构融合不同尺度的特征图，使丰富的底层细节信息与高层的语义信息充分融合；3生成YOLO检测头，在不同大小的特征图上面放置通过k‑means聚类生成的锚框，用以检测不同尺度大小的目标；4使用分类与回归损失函数进行端到端的训练模型；5将训练完成的模型部署于嵌入式平台，进行目标检测。本发明的有益效果是，提高了HarDNet‑Lite目标检测网络在嵌入式平台的推理速度与目标检测精度。

主权项：1.HarDNet-Lite在嵌入式平台的优化方法，其特征在于，包括以下步骤：1利用HarDNet-Lite网络结构对原始的彩色图片进行特征提取；2对提取到的不同层次的特征，采用加权FPN结构进行特征融合；3在特征融合后的不同尺度大小的特征图上放置通过聚类生成的锚框，形成检测头；4对HarDNet-Lite主干网络结构和检测头，采用分类与回归损失函数进行端到端的训练；5训练结束后，将生成的权重文件和HarDNet-Lite网络结构配置文件部署到嵌入式平台，进行目标检测；步骤1的具体实现方法如下：101HarDNet-Lite网络结构在HarDNet网络结构的基础上，进行网络深度和宽度两个方面同时进行裁剪，形成HarDNet-Lite轻量级的网络结构；102原始的彩色图片采用高清摄像头采集的行人、车辆的原始图片，对采集到的样本集进行人工标注并按照9:1的比例，划分为训练集和验证集；步骤2的具体实现方法如下：201加权FPN结构是在FPN结构的基础上添加了自适应权重结构，生成与原特征图大小一致的权重特征图，权重取值在[0,1]范围之间；202特征融合的具体做法是：首先对原始特征图采用加权FPN结构生成权重特征图，下来将原始特征图与权重特征图进行逐元素的乘积，下一步需要将不同尺度的特征图分别进行上采样，并与自身上一层的特征图在通道方向进行拼接，得到融合后的特征图；步骤3的具体实现方法如下：301锚框的生成是采用k-means算法对图片中的标注框进行聚类，一共生成6个不同大小和尺度的锚框；302检测头的生成是将6个锚框每3个划分为一组，放置到融合后特征图的每个像素点上面，分辨率大的特征图感受野小对应小尺寸的锚框来检测小物体，分辨率小的特征图感受野大对应大尺寸的锚框来检测大物体。

全文数据：

权利要求：

百度查询： 苏州凌图科技有限公司 HarDNet-Lite在嵌入式平台的优化方法