公开(公告)号：CN116563645A

公开(公告)日：2023-08-08

申请号：CN202310723409.5

申请日：2023-06-16

Applicant: 浙江大学

Inventor： 谢磊 ,  谢文清 ,  李至善 ,  苏宏业

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/082

Abstract: 本发明公开了一种联合迭代剪枝和知识蒸馏的面向目标检测的模型压缩方法。本方法引入助教网络模型，缓解教师网络与学生网络之间由于体量相差过大所造成的相反优化效果，在知识蒸馏过程中，助教网络与学生网络一起优化，使得模型压缩后的轻量化模型具有非常好的目标检测检测精度，易于模型部署在移动端或者嵌入式设备中执行目标检测任务。相比于其他一体式剪枝模型压缩方法，本方法的迭代剪枝策略能够在相同模型压缩率的基础上，使最终压缩得到的目标检测模型具有更少的精度丢失。

公开(公告)号：CN115690084A

公开(公告)日：2023-02-03

申请号：CN202211433915.2

申请日：2022-11-16

Applicant: 浙江大学

Inventor： 谢磊 ,  谢文清 ,  李至善 ,  苏宏业

IPC: G06T7/00 ,  G06T7/70 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于改进YOLOV5的面向复杂场景的安全帽检测方法，包括：(1)获取复杂场景下佩戴安全帽的图像数据，对所有的图像数据标注安全帽的位置以及其是否处于佩戴状态；(2)构建基于改进YOLOV5的目标检测模型，具体改进为：通过添加DGS模块，在训练时对正、负样本选择逻辑进行优化；通过引入动态损失因子模块，在计算损失函数时，根据预测框Anchor与GT的位置分布确定不同的损失增量；通过引入框密度过滤模块，在后处理算法中，基于框密度进行过滤；(3)对目标检测模型进行迭代训练；(4)将待检测的图像或视频流数据输入训练好的目标检测模型中，得到安全帽的预测结果。利用本发明，可以在不影响检测速度的前提下大大提升检测精度。