[发明专利]基于剪枝卷积神经网络的目标检测方法

权利要求书

1.一种基于剪枝卷积神经网络的目标检测方法，其特征在于，对卷积神经网络进行敏感度分析，生成剪枝序列，对网络进行剪枝，选择修剪后目标检测卷积神经网络，该方法的步骤包括如下：

(1)对卷积神经网络进行敏感度分析：

(1a)从训练好的原始目标检测卷积神经网络中选取一个未选过的卷积层，利用L1范数公式，计算所选卷积层中每个卷积核的L1范数，对L1范数进行升序排列；

(1b)设置修剪比例为90％；

(1c)按照修剪比例依次删除升序排列中L1范数对应的卷积核，得到修剪后的目标检测卷积神经网络；

(1d)将修剪前的目标检测卷积神经网络所使用的测试集，输入到修剪后的目标检测卷积神经网络中进行目标检测，输出检测结果；

(1e)计算修剪后的目标检测卷积神经网络检测目标的准确率；

(1f)判断准确率是否大于阈值，若是，则将当前的修剪比例作为所选卷积层的敏感度后执行步骤(1g)，否则，将当前的修剪比例减小10％后执行步骤(1c)；

(1g)判断是否选完所有的卷积层，若是，则执行步骤(2)，否则，执行步骤(1a)；

(2)生成剪枝序列：

(2a)对训练好的原始目标检测卷积神经网络中的每个卷积层，在小于或等于该卷积层敏感度的值中随机选取一个值，作为该卷积层的修剪百分比，将所有层的修剪百分比按照卷积层的顺序连接成一个剪枝序列；

(2c)采用与步骤(2a)相同的方法，得到至少1000个剪枝序列；

(3)对网络进行剪枝：

(3a)采用每种剪枝序列分别修剪训练好的原始目标检测卷积神经网络，得到对应每个剪枝序列的目标检测卷积神经网络；

(3b)计算每种修剪后目标检测卷积神经网络的FLOPs；

(3c)保存FLOPs等于目标值的修剪后目标检测卷积神经网络；所述目标值指的是，根据修剪后的目标检测卷积神经网络精度和速度的要求设置的一个浮点数；

(4)选择修剪后目标检测卷积神经网络：

(4a)将原始目标检测卷积神经网络所使用的训练集，输入到每种保存的目标检测卷积神经网络的中，关闭反向传播，迭代更新BN层参数至少100次，得到更新后的目标检测卷积神经网络；

(4b)将原始目标检测卷积神经网络所使用的测试集，输入到每种更新后的卷积神经网络中进行目标检测，输出检测结果并计算每种更新后的目标检测卷积神经网络检测目标的准确率，将准确率最高的目标检测卷积神经网络作为目标检测网络；

(5)对网络进行微调：

将原始目标检测卷积神经网络所使用的训练集，输入到目标检测网络中，更新迭代目标检测网络中的参数至少150次，得到微调后的目标检测网络；

(6)对目标进行检测：

将含有待检测目标的图片输入到微调后的目标检测网络中，输出图片中待检测目标的类别和目标所在的外接矩形框位置。

2.根据权利要求1所述的基于剪枝卷积神经网络的目标检测方法，其特征在于，步骤(1a)中所述L1范数公式如下：

其中，‖·‖₁表示1范数操作，w_i,j表示第i个卷积核中第j个权重的值，∑表示求和操作，j＝1,2,…,n，n表示第i个卷积核中权重的总数。