[发明专利]一种微型神经网络模型

权利要求书

1.一种微型神经网络模型，包括高度优化的Core卷积核子网络和基于SSD的辅助特征提取子网络，其特征在于，所述Core卷积核子网络包括Core卷积核子网络方法，包括以下步骤：

S1、将Core卷积核初步提取后生成多个特征图，

S2、经过选取特定特征图传入辅助特征提取子网络用于预测，

S3、在保证目标检测精度的同时最小化模型。

2.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述S1中Core卷积组包含3×3卷积核，所述Core卷积组中的3×3卷积核的数量比正常卷积组的数量减少，所述3×3卷积核输入特征图的通道数量比正常卷积组的数量减少。

3.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述Core卷积组共由10个Core卷积核组成且分别为Core1-Core10，每个所述Core卷积核包含两个卷积层：压缩卷积层S和扩张卷积层E，所述压缩卷积层中均为1×1卷积核，所述扩张卷积层为1×1卷积和3×3卷积的混合。

4.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述S3中在保证模型精度的前提下，尽可能减少了S层和E层中卷积核的数量，并在多次Core卷积后增加Pool下采样层以降低特征图的通道数。

5.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述Core卷积组均由低维度卷积核组成，极大的压缩了神经网络计算参数量，假设卷积核的输入通道数为M，输出通道数为N，优化卷积，参数量为：

表中s1x1、e1x1、e3x3分别代表S层中1×1卷积核的数量、E层中1×1卷积核的数量和E层中3×3卷积核的数量。

6.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述辅助特征提取网络中的每一层再使用一组卷积来预测该特征层上每个预测框的位置以及预测框内目标对应的种类。

7.根据权利要求1所述的一种微型神经网络模型，其特征在于，所述Core卷积组均由低维度卷积核组成。