[发明专利]一种模型轻量化设计的遥感小目标检测方法

权利要求书

1.一种模型轻量化设计的遥感小目标检测方法，其特征在于：包括，

将单阶段算法YOLOv4模型作为主体框架；

通过K-means++算法对锚框进行聚类，对聚类后的锚框进行尺度调整，重新设定边界，找出更适合遥感小目标检测的锚框，锚框调整公式如下:

x'₁＝αx₁

x'₉＝ωx₉

其中x_i、y_i为聚类锚框的第i个锚框的值，x′_i、y′_i为调整后第i个锚框的值，α与ω分别为边界框尺度调整参数，α取0.7，ω取1.2；

然后引入SENet通道注意力机制，来构建对遥感小目标检测效果较好的检测模型；

对模型进行轻量化处理；

所述模型轻量化处理包括，

将经过训练后的YOLOv4模型进行稀疏，然后对网络进行剪枝，最后利用蒸馏将复杂模型中的知识提炼到剪枝模型中；

所述对模型进行稀疏包括，将模型中的完全连接转化为稀疏连接；选取0.0003作为稀疏因子对YOLOv4模型进行稀疏；

所述剪枝使用BN层中的缩放因子γ作为依据利用γ与通道输出的乘积判断通道的重要程度，然后将得分低的通道进行过滤、删减；

所述BN层为归一化网络层，BN层所执行的变换公式表示如下：

其中Z_in与Z_out表示BN层的输入与输出，μ_B和σ表示在B上激活输入的平均值和标准差值，γ和β是可训练的仿射变换参数。

2.如权利要求1所述的一种模型轻量化设计的遥感小目标检测方法，其特征在于：所述通过K-means++算法对锚框进行聚类，包括，

数据集准备；

使用平均交并比Avg IOU代替传统的欧氏距离作为目标函数，其表示如下：

d(box,centriod)＝1-IOU(box,centriod)

其中box为数据集标签的聚类框，centriod为聚类中心。

3.如权利要求2所述的一种模型轻量化设计的遥感小目标检测方法，其特征在于：所述SENet通道注意力机制利用通道间的依赖性，重新校准通道的权重。

4.如权利要求3所述的一种模型轻量化设计的遥感小目标检测方法，其特征在于：所述通道的描述公式表示如下：

其中F_sq为压缩操作，W、H分别为特征图的长和宽；

所述SENet通道注意力机制对维度为U_c的特征矩阵进行处理，对U_c进行压缩操作与激励操作，获得不同的通道权重后作用到各个通道中。

5.如权利要求4所述的一种模型轻量化设计的遥感小目标检测方法，其特征在于：评估通道重要程度的目标函数L公式表示如下：

其中x、y分别为训练的输入与目标，W为网络可训练权重，目标函数的前一项对应网络正常的训练损失，g(.)是缩放因子上的惩罚项，λ是用来约束两项的超参数。

6.如权利要求5所述的一种模型轻量化设计的遥感小目标检测方法，其特征在于：所述蒸馏的框架中损失函数Loss公式表示如下：

其中|X|表示X中元素数量,x_n是X的一个数据节点，y_n是x_n的类别标签，π_j(x_n,y_n)教师模型的软标签，p_j(x_n)表示剪枝模型的软标签，是用来调节模型侧重于软标签或真实标签的参数，