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：上海悠络客电子科技股份有限公司

摘要：本发明公开了一种面向目标检测的高效进化神经网络架构搜索方法，依靠进化算法机制中的初始种群，建立超网络搜索空间，并通过基于超网络的神经网络架构搜索技术，为特定的目标检测问题自适应的构建主干网络，通过超网络建立神经网络架构的搜索空间，并利用大型图像分类数据集对超网络进行预训练，之后利用进化算法作为搜索策略，在已经预训练完成的超网络中搜索最优的主干网络，避免了每个个体都要利用图像分类数据集做预训练，进而节省了大量的计算成本，提高了搜索效率。

主权项：1.一种面向目标检测的高效进化神经网络架构搜索方法，其特征在于，包括以下步骤：步骤S1，给定带有标签的图像分类数据集，将该数据集划分为训练数据集Ctrain，验证数据集Cval和测试数据集Ctest；给定带有标签的目标检测数据集，将该数据集划分为训练数据集Dtrain，验证数据集Dval和测试数据集Dtest；给定进化算法参数，包括种群个体数M，交叉概率Pc，进化代数G；步骤S2，种群初始化，初始种群中包含M个个体，每个个体为一个神经网络,每个个体包含输入层，封装数个计算模块，并以全连接层为输出层，M个个体共同组成一个超网络，所述M为大于1的自然数；步骤S3，对种群中的个体进行多次随机重复采样，利用训练数据集Ctrain对采样的个体进行训练，并为每个个体保留训练权值，所述Ctrain遍历完毕之后，超网络获得权值WA；步骤S4，所有个体从超网络中继承训练得到的相关权值，基于验证集Cval评估个体性能，并记录最优个体基于验证集Cval损失值步骤S5，重复步骤S2-S4，直到超网络模型收敛；步骤S6，为每一个个体融合特征金字塔网络，每个个体成为一个目标检测模型，利用Dtrain，对所有个体的权值进行微调，直到超网络模型收敛，并保存超网络最优权值步骤S7，利用mAP值作为适应度函数，对每个个体进行适应度评估；步骤S8，采用轮盘赌选择数个个体，组成父代种群；步骤S9，采用交叉算子对父代种群中的个体进行两两交叉，得到M个新个体，组成子代种群；步骤S10，基于验证数据集Dval，子代个体继承超网络权值计算子代种群中每个个体的适应度值；步骤S11，将子代种群和父代种群中的个体合并，根据个体的适应度值，利用环境选择，选出M个新个体，组成下一代种群，并反馈至步骤S8，直到达到预设的进化代数，并输出适应度值最优的个体，作为最优的主干网络结构。

全文数据：

权利要求：

百度查询： 上海悠络客电子科技股份有限公司 一种面向目标检测的高效进化神经网络架构搜索方法