-
公开(公告)号：CN112288084B
公开(公告)日：2022-09-02
申请号：CN202011146960.0
申请日：2020-10-23
Applicant: 武汉大学
IPC: G06N3/08 , G06N3/04 , G06V10/82 , G06V10/774 , G06V20/10
Abstract: 为了解决传统深度学习网络压缩方法不适用于需要精确回归检测坐标的目标检测网络、方法泛用性差且对网络精度损失大的问题，通过将引入特征图通道级稀疏化概念，使压缩方法在可实现性和灵活性上实现较好的折中，能有效应用到任何典型的目标检测网络。本发明公开了一种基于特征图通道重要性的深度学习目标检测网络压缩方法，采取引入BN层gamma参数作为衡量特征图通道重要性程度因子的方法，通过在训练损失函数中加入该参数稀疏化因子，在几乎不损失网络检测精度情况下，实现对目标检测网络的参数压缩。
-
公开(公告)号：CN110796037A
公开(公告)日：2020-02-14
申请号：CN201910976760.9
申请日：2019-10-15
Applicant: 武汉大学
Abstract: 为了解决星载光学遥感图像舰船目标检测中舰船目标尺度变化大、星载平台计算量严重受限的问题，通过将引入轻量化的多尺度特征提取网络模块，可以有效提升深度学习网络对于舰船目标的检测效率。本发明公开了一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，采取引入空洞卷积构建轻量级感受野金字塔的方法，根据感受野金字塔提取的多尺度特征构建多尺度特征融合检测模块，在限制网络规模的情况下，提高对光学遥感图像舰船目标特性的适应能力。
-
公开(公告)号：CN110796037B
公开(公告)日：2022-03-15
申请号：CN201910976760.9
申请日：2019-10-15
Applicant: 武汉大学
Abstract: 为了解决星载光学遥感图像舰船目标检测中舰船目标尺度变化大、星载平台计算量严重受限的问题，通过将引入轻量化的多尺度特征提取网络模块，可以有效提升深度学习网络对于舰船目标的检测效率。本发明公开了一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，采取引入空洞卷积构建轻量级感受野金字塔的方法，根据感受野金字塔提取的多尺度特征构建多尺度特征融合检测模块，在限制网络规模的情况下，提高对光学遥感图像舰船目标特性的适应能力。
-
公开(公告)号：CN112288084A
公开(公告)日：2021-01-29
申请号：CN202011146960.0
申请日：2020-10-23
Applicant: 武汉大学
Abstract: 为了解决传统深度学习网络压缩方法不适用于需要精确回归检测坐标的目标检测网络、方法泛用性差且对网络精度损失大的问题，通过将引入特征图通道级稀疏化概念，使压缩方法在可实现性和灵活性上实现较好的折中，能有效应用到任何典型的目标检测网络。本发明公开了一种基于特征图通道重要性程度的深度学习目标检测网络压缩方法，采取引入BN层gamma参数作为衡量特征图通道重要性程度因子的方法，通过在训练损失函数中加入该参数稀疏化因子，在几乎不损失网络检测精度情况下，实现对目标检测网络的参数压缩。
-
-
-
Search Results
4
records
(took 0.014 seconds)
