[发明专利]并行选取超参数设计多分支卷积神经网络识别行人的方法

权利要求书

1.并行选取超参数设计多分支卷积神经网络识别行人的方法，其特征在于，包括以下步骤：

1)初始化多分支卷积神经网络架构；具体实现方法如下：

针对INRIA行人识别扩展数据集，其包含训练集4339张图片，正类别样本2219张，负类别样本2120张；测试集400张图片，正类别样本200张，负类别样本200张，正类别样本是包含各种姿势和场景下的人图片，而负类别样本则是各种室内环境下的无人的图片，如家、银行、楼梯和书店，所有训练集合测试集都被整理成分辨率为120×120×3大小，格式为JPG的图片，首先直接初始化一个多分支卷积神经网络架构，这个架构不包含任何卷积层和池化层，并选择分支数为3；

2)自适应的根据具体任务，自动化筛选构建单元，迭代并行添加到各分支，构成精度和运算量可分离的分支卷积神经网络；具体实现方法如下：

201)自适应输入设置超参数候选集合，包括卷积核的超参数、全连接层超参数；

202)迭代周期一中，一边训练，一边从超参数候选集合中，自动筛选超参数，并行添加到多分支卷积神经网络的第1分支、第2分支、第3分支，作为3分支的第1个构建块；

203)迭代周期二中，继续训练，并且从超参数候选集合中，自动筛选超参数，并行添加到多分支卷积神经网络第2分支和第3分支，作为第2、3分支的第2个构建块；

204)迭代周期三中，继续训练，并且从超参数候选集合中，自动筛选超参数，添加到多分支卷积神经网络第3分支，作为第3分支的第3个构建块；

205)迭代周期四中，以梯度形式设立多分支卷积神经网络全连接层的超参数的候选集合；第1分支，全连接层节点数集合{16，32，64，128}；第2分支，全连接层节点数集合{32，64，128，256}；第3分支，全连接层节点数集合{128，256，512，1024}；每个分支单独从各所属集合中自动筛选超参数，添加到各分支；

3)验证评估，保留最高精度下降5％以内的所有模型，选择其中计算量最小的模型为选取结构；具体实现方法如下：

训练过程中，每个迭代周期，计算和记录每个模型的搜出的卷积核大小以及模型的精度和计算量性能，保留其中最高精度下降5％以内的所有模型，按照计算量性能排序，计算量最小模型的超参数为最优筛选的多分支卷积神经网络；

4)将最优筛选的多分支卷积神经网络拆分开来，单个分支使用或者两两分支组合作为基准模型，存储在终端设备，离线推理识别行人。

2.根据权利要求1所述的并行选取超参数设计多分支卷积神经网络识别行人的方法，其特征在于，步骤4)的具体实现方法如下：

多分支卷积神经网络模型自动选取超参数训练好之后，选取多分支卷积神经网络的单分支个体，组合分支个体，或者整体架构作为基准模型，存储到移动终端设备的硬件处理架构中推理识别行人，这样一共能够可组合出7种测试结果。