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：福州大学

摘要：本发明涉及一种基于稀疏系数通道剪枝的轻量化个人防护装备检测方法，包括以下步骤：步骤S1：构建个人防护装备检测数据集；步骤S2：根据个人防护装备检测数据集训练网络模型得到个人防护装备检测模型；步骤S3：将个人防护装备检测模型进行通道级别的稀疏化训练，对卷积神经网络中BN层的γ参数进行稀疏正则化，得到稀疏化后的检测模型；步骤S4：对稀疏化后的检测模型进行剪枝，得到一个轻量化的检测模型；步骤S5：对轻量化的检测模型进行微调训练，得到最终的轻量化个人防护装备检测模型；步骤S6：使用轻量化个人防护装备检测模型进行目标检测，得到检测结果图。本发明能够有效减少检测模型的模型大小，参数量和计算量，并且对工人是否穿戴个人防护装备进行精准检测。

主权项：1.一种基于稀疏系数通道剪枝的轻量化个人防护装备检测方法，其特征在于，包括以下步骤：步骤S1：获取个人防护装备数据图片，并预处理，构建个人防护装备检测数据集；步骤S2：对YOLOv5目标检测算法的训练超参数进行调优，并根据个人防护装备检测数据集训练网络模型得到个人防护装备检测模型；步骤S3：将个人防护装备检测模型进行通道级别的稀疏化训练，对卷积神经网络中BN层的γ参数进行稀疏正则化，得到稀疏化后的检测模型；步骤S4：对稀疏化后的检测模型进行剪枝，将检测模型中γ参数低于所设阈值的卷积通道删除，得到一个轻量化的检测模型；步骤S5：对轻量化的检测模型进行微调训练，恢复因为通道剪枝操作而损失的部分精度，得到最终的轻量化个人防护装备检测模型；步骤S6：使用轻量化个人防护装备检测模型进行目标检测，根据得到的预测结果在原图上进行绘制，添加类别名称和置信度信息后得到检测结果图；所述步骤S1，具体为：步骤S11：收集个人防护装备相关的数据图片，并统一编号；步骤S12：依次采用邻域去噪、数据图像归一化的方法对数据图片进行处理；步骤S13：确定个人防护装备图片中的不同物体类别，使用LabelImg标注工具对预处理后的数据图片进行标注，生成xml格式的标注文件；步骤S14：对图片进行数据增强操作，然后根据YOLOv5目标检测算法的要求制作个人防护装备检测数据集；所述步骤S2，具体为：步骤S21：根据实验得出超参数的最优值，调优超参数将使训练模型达到最优；步骤S22：利用k-means聚类算法，根据标注文件中每个标注框的坐标计算出个人防护装备数据集的先验框anchor；步骤S23：设置训练迭代次数和数据图片读取批次batch-sizes，根据个人防护装备检测数据集训练后得到个人防护装备检测模型；所述步骤S22具体为：步骤S221：使用标注文件中的图片的宽高wimg,himg对boundingbox的宽高wbox,hbox做归一化，具体为： 其中，WNormalize，HNormalize为归一化后的宽和高；步骤S222：使用交并比IOU作为度量，令anchor＝wanchor,hanchor,box＝wbox,hbox，wanchor,hanchor为先验框anchor的宽和高，其计算方式如下： IOU的取值在0到1之间，两个boundingbox越相似则IOU值越大，d为最终度量，其计算公式为：d＝1-IOUbox,anchor步骤S223：在数据集中随机选取box_k个boundingbox作为初始anchor，使用IOU度量将每个boundingbox分配给与其距离最近的anchor，遍历所有boundingbox后，计算每个簇中所有boundingbox宽和高的均值，更新anchor，对所有的标注框重复步骤S222直到anchor不再变化或者达到了最大迭代次数；所述步骤S3，具体为：步骤S31：根据个人防护装备检测数据集设置模型稀疏化训练的稀疏率参数；步骤S32：对检测模型进行稀疏化训练，对卷积神经网络中BN层的γ参数进行稀疏正则化，选择L1范数正则化惩罚项，作为公式如下：gγ＝|γ|步骤S33：利用Tensorboard工具查看训练过程中检测模型对验证数据集mAP的变化情况，当mAP收敛时，停止训练，得到稀疏化后的检测模型；所述步骤S6具体为:步骤S61：利用训练得到的轻量化模型对图片进行检测，图片经过检测模型的特征提取网络处理后产生多个不同尺度的特征图；步骤S62：利用特征图和先验框anchor计算预测框的大小和位置信息，得到图片的初步预测结果；步骤S63：使用非极大值抑制算法处理初步预测结果，对所有预测框进行筛选并得到最终的预测结果；步骤S64：将预测结果的检测框绘制在原图中，得到结果图片；所述步骤S62具体为：步骤S621：将特征图划分为S×S个网格，然后将预先设置好的先验框调整到有效特征图上；步骤S622：从网络预测结果中获取预测框信息xoffest,yoffset，其分别表示预测框相对其对应的先验框在x、y轴的偏移值，同时获取先验框的宽、高wanchor,hanchor；步骤S623：使用sigmoid函数对网格对应的先验框的中心点坐标进行处理后加上对应的xoffest,yoffset得到预测框的中心，再利用wanchor,hanchor计算得到预测框的宽和高，最终得到预测框的大小和位置信息；所述步骤S63具体为：步骤S631：使用非极大值抑制算法将对所有预测框进行处理，属于同一种物体类别的预测框按置信度从大到小进行排序，取出置信度最高的预测框分别与其余预测框计算IOU；按照交并比IOU寻找局部最大值的过程，设两个检测框B1和B2，则二者之间的交并比如下： 步骤S632：若计算结果大于所设定阈值则该预测框将被抛弃，计算完所有预测框后，取出剩余预测框中拥有最大置信度的预测框重复以上操作。

全文数据：

权利要求：

百度查询： 福州大学 基于稀疏系数通道剪枝的轻量化个人防护装备检测方法