公开(公告)号：CN111401523A

公开(公告)日：2020-07-10

申请号：CN202010177912.1

申请日：2020-03-13

Applicant: 大连理工大学

Inventor： 郭烈 ,  高建东 ,  赵剑 ,  刘蓬勃 ,  石振周

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于网络层剪枝的深度学习网络模型压缩方法，包括：对于完成训练的卷积神经网络，将训练后的权重导入并进行针对BN层的稀疏化训练，BN层中有两个训练参数，分别为Gamma和Beta，经过多次迭代完成稀疏化的过程；获取网络各个BN层的Gamma参数，设置全局通道剪枝比例，根据全局剪枝比例计算Gamma参数的阈值，将小于阈值的Gamma参数全部置零；设置要剪掉的shortcut网络层数I，以shortcut中BN层_2的Gamma计算POZ，删除POZ较大的I个shortcut结构；将其他BN层置零的Gamma关联的卷积通道删除；保存剪枝后的网络结构和参数。

公开(公告)号：CN110956119B

公开(公告)日：2023-05-26

申请号：CN201911176482.5

申请日：2019-11-26

Applicant: 大连理工大学

Inventor： 郭烈 ,  王东兴 ,  岳明 ,  姚宝珍 ,  李琳辉 ,  石振周 ,  齐国栋

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种图像中目标检测的方法，包括以下步骤：检测目标；获取待检测目标样本数据集；选取骨干网络；设计轻量级的融合模块；设计特征增强模块；计算完整的目标检测网络结构。本发明在不降低运行速度的前提下提高了检测精度，其中融合模块的作用是提高小目标的检测精度，F步骤中的特征图20在没有通过融合模块时，处于较浅的卷积位置，虽有很好的细节信息，但是语义信息却不够，于是通过融合模块，加强语义信息。特征增强模块的作用是使得网络更好地适应目标尺度大小的变化，在实际进行检测时，目标的大小是不断变化的，通过设计特征增强模块使得一个特征图可以聚合多个感受野大小的信息，从而更加适应目标尺度大小的变化。

公开(公告)号：CN110956119A

公开(公告)日：2020-04-03

申请号：CN201911176482.5

申请日：2019-11-26

Applicant: 大连理工大学

Inventor： 郭烈 ,  王东兴 ,  岳明 ,  姚宝珍 ,  李琳辉 ,  石振周 ,  齐国栋

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种准确且快速的图像中目标检测方法，包括以下步骤：检测目标；获取待检测目标样本数据集；选取骨干网络；设计轻量级的融合模块；设计特征增强模块；计算完整的目标检测网络结构。本发明在不降低运行速度的前提下提高了检测精度，其中融合模块的作用是提高小目标的检测精度，F步骤中的特征图20在没有通过融合模块时，处于较浅的卷积位置，虽有很好的细节信息，但是语义信息却不够，于是通过融合模块，加强语义信息。特征增强模块的作用是使得网络更好地适应目标尺度大小的变化，在实际进行检测时，目标的大小是不断变化的，通过设计特征增强模块使得一个特征图可以聚合多个感受野大小的信息，从而更加适应目标尺度大小的变化。