[发明专利]基于关键点的轻量级目标检测方法

权利要求书

1.一种基于关键点的轻量级目标检测方法，其特征在于，包括如下步骤：

S1、准备数据集，数据清洗、预处理以及数据增强；

S2、主干网络的设计；

S3、shuffle块设计；

S4、条件通道权重块设计；

S5、Stage1网络结构设计；

S6、Stage2网络结构设计；

S7、Stage3网络结构设计；

S8、合成网络对输入数据进行训练。

2.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S1具体包括：对收集到的数据样本进行清洗以及预处理，把大图裁剪到统一的尺寸大小，然后以0.2的概率进行水平翻转来增强训练集。

3.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S2具体包括：主干网络中包含了一个卷积层和一个shuffle块，所述卷积层的卷积核大小为3×3，其中stride值为2，输入为256×256×3的输入图像，经过主干网络后输出特征图为64×64×32。

4.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S3具体包括：shuffle块实现将输入特征图的通道分为两部分，其中一条分支包括1×1卷积层、3×3depthwise卷积层以及1×1卷积层，另一条分支两条支路融合特征，将低维和高维上不同表征的特征相融合，再输入到shuffle层，相互交换通道信息。

5.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S4具体包括：条件通道权重模块实现将输入特征图的通道分为两部分，其中一条分支包括通道权重层、3×3depthwise卷积层以及通道权重层，另一条分支两条支路融合特征，将低维和高维上不同表征的特征相融合，再输入到shuffle层，相互交换通道信息。

6.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S5具体包括：Stage1子网络中包含了两个shuffle模块和一个fusion模块，所述fusion模块用于特征融合，将低维和高维上不同表征的特征相融合。

7.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S6具体包括：Stage2子网络中包含了两个条件通道加权模块和一个fusion模块，fusion模块用于特征融合，将低维和高维上不同表征的特征相融合。

8.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S7具体包括：Stage3子网络中包含了一个shuffle模块、一个条件通道加权模块和一个fusion模块，fusion模块用于特征融合，将低维和高维上不同表征的特征相融合。

9.根据权利要求1所述的基于关键点的轻量级目标检测方法，其特征在于，所述步骤S8具体包括：

在网络的实际训练过程中，采用小批量随机梯度下降方法进行训练，其中batch size的大小设置为64，训练总轮次epoch值为100，在训练过程中随机失活率设置为0.5；在epoch10的阶段，采用初始学习率0.01，让函数损失值尽快收敛；在10epoch40时，学习率衰减10％，变为0.001，从而更精细地对损失函数进行梯度下降来更新参数，防止落入局部最优点；到epoch40时，损失函数已收敛，此时采用更小的学习率0.0001，对参数进行微调。