[发明专利]一种基于YOLO-Terse网络的目标检测方法及存储介质

说明书

本发明公开了一种基于YOLO‑Terse网络的目标检测方法，包括：获取包含待检测目标的待检测图像；将待检测图像输入预先训练的YOLO‑Terse网络，根据待检测图像的特征确定待检测目标所属的类别，以及待检测目标在待检测图像中位置；其中，YOLO‑Terse网络是在YOLOv3网络基础上，采用层级和通道级剪枝，再结合知识蒸馏引导网络恢复后形成的。本发明通过对YOLOv3进行层剪枝、稀疏化训练、通道剪枝，以及知识蒸馏处理，并选取优化的处理参数，得到精简的YOLO‑Terse网络，该网络体积大幅缩小，摒除了大部分的冗余计算，基于该网络的目标检测速度得到大幅度的提升，而且能够维持检测的精度。

技术领域

本发明属于目标检测方法技术领域，具体涉及一种基于YOLO-Terse网络的目标检测方法及存储介质。

背景技术

目标检测能够对图像或视频中的物体进行准确分类和定位，在监控、无人驾驶、机械自动化等领域中起着至关重要的作用。

在如今较为主流目标检测框架中，YOLOv3网络在检测速度和精度的平衡性方面表现较好，人们不断在各种领域使用YOLOv3网络实现目标检测功能。然而原始的YOLOv3网络并不能在各种数据集下均表现出色，尤其是当需要进行检测目标的种类比较少时，如检测校园中行人、车辆等情况时，使用现有的YOLOv3网络就会存在冗余，增加不必要的计算量，降低目标检测的速度；尤其将YOLOv3网络部署在边缘设备上使用时，通过简化YOLOv3网络模型来进行提速显得尤为重要。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于YOLO-Terse网络的目标检测方法及存储介质。本发明要解决的技术问题通过以下技术方案实现：

第一方面，本发明提供了一种基于YOLO-Terse网络的目标检测方法，包括：

获取包含待检测目标的待检测图像；

将所述待检测图像输入预先训练的YOLO-Terse网络，根据所述待检测图像的特征确定所述待检测目标所属的类别，以及待检测目标在所述待检测图像中位置；

其中，所述YOLO-Terse网络是在YOLOv3网络基础上，采用层级和通道级剪枝，再结合知识蒸馏引导网络恢复后形成的。

在本发明的一个实施例中，所述YOLO-Terse网络是在YOLOv3网络基础上，采用层级和通道级剪枝，再结合知识蒸馏引导网络恢复后形成的；包括：

将YOLOv3网络中的残差模块单元进行层剪枝，得到YOLOv3-1网络；

将所述YOLOv3-1网络进行稀疏化训练，得到了BN层缩放系数稀疏分布的YOLOv3-2网络；

将所述YOLOv3-2网络进行通道剪枝，删除不重要的通道，得到YOLOv3-3网络；

将所述YOLOv3-3网络进行知识蒸馏，得到YOLO-Terse网络。

在本发明的一个实施例中，所述将YOLOv3网络中的残差模块单元进行层剪枝，得到YOLOv3-1网络；包括：

将YOLOv3网络中组成每个残差模块的残差模块单元的数量由X个剪枝为Y个，得到YOLOv3-1网络；其中，X、Y均为自然数，且Y＜X。

在本发明的一个实施例中，所述将所述YOLOv3-1网络进行稀疏化训练，得到了BN层缩放系数稀疏分布的YOLOv3-2网络；包括：

将所述YOLOv3-1网络进行稀疏化训练，训练过程中，为缩放因子γ添加稀疏正则化，稀疏训练的损失函数为：