公开(公告)号：CN114663774A

公开(公告)日：2022-06-24

申请号：CN202210565928.9

申请日：2022-05-24

Applicant: 之江实验室

Inventor： 程乐超 ,  田海滨 ,  方超伟 ,  张鼎文

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种轻量级的显著性物体检测系统及方法，用以解决对实时性要求较高或者计算资源有限的场景下的显著性物体检测问题。基于轻量级设计原则，该方法采用自主设计的主干网络和简单的特征融合方式以及上下文信息提取结构来构造低计算能力设备场景下的轻量级显著性物体检测模型。为提升模型的精度和鲁棒性，该方法提出适用于显著性物体检测的马赛克数据增广方式和周期性多尺度训练方法，采用知识蒸馏方式对主干网络在分类任务场景下进行预训练，用以提高模型的泛化能力。为了进一步压缩模型，本发明还采用模型剪枝算法和模型量化算法对所设计模型进行压缩，可以在原有模型精度没有损失的条件下提升推理速度。

公开(公告)号：CN114663774B

公开(公告)日：2022-12-02

申请号：CN202210565928.9

申请日：2022-05-24

Applicant: 之江实验室

Inventor： 程乐超 ,  田海滨 ,  方超伟 ,  张鼎文

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/77 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种轻量级的显著性物体检测系统及方法，用以解决对实时性要求较高或者计算资源有限的场景下的显著性物体检测问题。基于轻量级设计原则，该方法采用自主设计的主干网络和简单的特征融合方式以及上下文信息提取结构来构造低计算能力设备场景下的轻量级显著性物体检测模型。为提升模型的精度和鲁棒性，该方法提出适用于显著性物体检测的马赛克数据增广方式和周期性多尺度训练方法，采用知识蒸馏方式对主干网络在分类任务场景下进行预训练，用以提高模型的泛化能力。为了进一步压缩模型，本发明还采用模型剪枝算法和模型量化算法对所设计模型进行压缩，可以在原有模型精度没有损失的条件下提升推理速度。