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！

摘要：本发明公开了一种具有较高精度的轻量级目标检测方法，该方法改进了YOLOv4网络模型，使用Mobilenetv2替换YOLOv4的主干网络，将YOLOv4颈部结构以及检测头中的3×3卷积替换为深度可分离卷积，从而大幅减少网络参数量；在主干网络中嵌入CA注意力模块，通过建立通道维度的依赖关系弥补深度可分离卷积特征提取能力不足的问题，进一步提高了算法检测精度；将PANet与特征加权融合算法ASFF相结合，优化了颈部结构多尺度特征提取能力。该方法在略降低目标检测精度情况下，缩减了网络模型参数规模。

主权项：1.一种轻量化目标检测方法，其特征在于：所述轻量化指减小网络模型参数量；所述目标检测指利用网络模型预测出待检测目标的矩形范围框；所述网络模型指利用改进方法修改YOLOv4部分结构得到的深度学习模型；所述改进方法指使用Mobilenetv2替换YOLOv4的主干网络，将YOLOv4颈部结构以及检测头中的3×3卷积替换为深度可分离卷积，在替换后的主干网络中嵌入CA注意力模块，将PANet与特征加权融合算法ASFF相结合，得到改进后的轻量化目标检测网络模型；所述MobileNetv2包括标准卷积层、深度可分离卷积层、池化层、激活层、归一化层、注意力模块、以及与网络配套的残差模块；所述深度可分离卷积指通过分组卷积大幅度减少卷积运算数据量；所述池化层指最大池化层；所述激活层指Relu6激活函数；所述归一化指批量归一化BatchNormalization；所述注意力模块指在Mobilenetv2中的第2-6组反向残差块中嵌入的注意力模块，具体位置位于分组卷积之后；所述残差模块指越过中间网络的跳跃连接方式，使用逐点相加方法融合特征图；所述特征图是主干网络最后输出并送入后续颈部网络的三层特征图；所述三层特征图是尺度分别为52×52×128，26×26×256，13×13×512的图像；所述颈部网络指基于PANet的轻量级颈部网络；所述加权特征融合算法ASFF是指通过最邻近插值以及卷积等操作将不同尺度特征缩放到同一尺度以完成融合工作；所述检测头指使用标准1×1卷积与3×3卷积构建的网络模块，共三个检测头模块，对应三个尺度的特征图；所述对应三个尺度的特征图的尺度分别为52×52×128，26×26×256，13×13×512；一种轻量化目标检测方法，包括以下步骤：S1、使用训练数据集训练网络模型，得到完整模型参数；S2、加载训练好的模型参数，使用测试数据集测试网络模型；训练网络模型包括以下步骤：S101、将网络模型的主干网络在ImageNet数据集上预训练，得到预训练模型参数；S102、加载预训练模型参数；S103、设定初始学习率为0.001，Adam优化器动量参数为0.937，权重衰减系数为0，设定学习率衰减为余弦退火衰减算法，最大学习率为初始学习率的0.01倍，全样本遍历次数Epochs为170，为了加快训练速度，前50个Epoch冻结主干网络，冻结训练批次大小Batchsize设定为32，解冻后设定为16；S104、将公共数据集PASCALVOC2007和PASCALVOC2012的训练集与验证集共16511张图片作为训练数据集输入网络模型训练；S105、得到网络模型在PASCALVOC2007和PASCALVOC2012数据集上的训练模型参数；测试网络模型包括以下步骤：S201、在网络模型上加载已训练的模型参数；S202、输入公共数据集PASCALVOC2007中的测试集共4952张图片，得到预测结果；S203、根据预测结果计算出精准率Precision与召回率Recall；S204、根据精准率与召回率计算每一类别AP值；S205、汇总所有类别AP值，并取其平均值，得到最终检测结果mAP。

全文数据：

权利要求：

百度查询： 西南科技大学 一种轻量化目标检测方法