公开(公告)号：CN119942071A

公开(公告)日：2025-05-06

申请号：CN202411971469.X

申请日：2024-12-30

Applicant: 北京航天自动控制研究所

Inventor： 谢宇嘉 ,  宋奇耀 ,  周辉 ,  王晓峰 ,  盖一帆 ,  吴松龄 ,  董文杰 ,  弭寒光 ,  王云龙 ,  李然 ,  李晓敏 ,  路坤锋

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06F17/10 ,  G06N3/048 ,  G06V10/774 ,  G06V20/10

Abstract: 本发明公开了一种面向复杂数据集的二值化目标检测方法。二值化目标检测算法，在各种性能受限的嵌入式以及低功耗设备上具有广泛的应用前景。然而，复杂数据集中的目标特性、噪声和变化对二值化网络提出了更高的要求，当二值化YOLOv5s模型在应用于复杂数据集，如光学遥感数据集时，往往会导致模型检测准确率显著下降。本发明公开了一种多颗粒度缩放因子选取方法，针对不同复杂度的数据集，通过方法自动选择合适颗粒度的缩放因子，使得二值化YOLOv5‑MobileNetV2检测网络可以适应不同复杂程度的数据集，平衡部署算法的检测精度和计算性能。

公开(公告)号：CN119942070A

公开(公告)日：2025-05-06

申请号：CN202411971456.2

申请日：2024-12-30

Applicant: 北京航天自动控制研究所

Inventor： 谢宇嘉 ,  宋奇耀 ,  周辉 ,  王晓峰 ,  盖一帆 ,  吴松龄 ,  董文杰 ,  弭寒光 ,  王云龙 ,  李然 ,  李晓敏 ,  路坤锋

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/80 ,  G06N5/04 ,  G06V10/774

Abstract: 本发明公开一种在量化感知训练中目标检测模型的处理方法。深度模型通常具有庞大的参数量以及复杂的计算过程，导致在移动设备和嵌入式设备等资源受限的平台上的部署和应用受到限制。将浮点数二值化为1‑bit可以极大减少存储空间，并提升推理的计算速度，有效解决资源受限问题。在二值化场景中，为了减少计算量，BN层通常会和卷积层进行融合，造成权重的偏差，对性能造成影响。本发明通过基于训练后量化的BN融合策略BQ‑P和基于BN层折叠的量化感知训练策略BNF‑QAT，使得深度神经网络二值化权重的最终精度不会受到BN层参数融合的影响，保持BN融合带来的计算速度提升的同时，消除BN层融合对任务性能的不利影响。