[发明专利]目标检测模型的建立方法、应用方法、设备、装置及介质

权利要求书

1.一种目标检测模型的建立方法，其特征在于，所述方法包括：

获取基础目标检测网络，将所述基础目标检测网络的普通卷积层替换为深度可分离卷积层，并将多尺度特征融合机制加入至所述基础目标检测网络，得到初始目标检测模型；

获取预设数字图像，并将所述预设数字图像输入至所述初始目标检测模型；

通过所述初始目标检测模型的所述深度可分离卷积层对所述预设数字图像进行特征提取，输出特征图；

通过所述初始目标检测模型的所述多尺度特征融合机制对所述特征图进行目标检测，得到中间目标检测模型；

采用NetAdapt算法和剪枝算法对所述中间目标检测模型进行优化处理，得到最终目标检测模型。

2.根据权利要求1所述的目标检测模型的建立方法，其特征在于，所述NetAdapt算法对所述中间目标检测模型的所述深度可分离卷积层的卷积核进行优化处理；所述剪枝算法对所述中间目标检测模型的网络结构进行优化处理。

3.根据权利要求1所述的目标检测模型的建立方法，其特征在于，所述通过所述初始目标检测模型的所述深度可分离卷积层对所述预设数字图像进行特征提取，输出特征图，包括：

利用逐点卷积对所述预设数字图像进行通道升维处理；

利用深度卷积对通道升维后的预设数字图像进行特征提取处理，得到多个初始特征图；

利用逐点卷积对所述多个初始特征图进行通道降维处理，并输出最终特征图。

4.根据权利要求1所述的目标检测模型的建立方法，其特征在于，所述通过所述初始目标检测模型的所述多尺度特征融合机制对所述特征图进行目标检测，包括：

获取第一深度可分离卷积层输出的第一最终特征图的高度及宽度；

获取并调整第二深度可分离卷积层输出的第二最终特征图的高度及宽度使所述第二最终特征图的高度及宽度与所述第一最终特征图的高度及宽度相同；

将调整后的所述第二最终特征图与所述第一最终特征图进行通道拼接和卷积得到融合特征；

根据所述融合特征进行目标检测。

5.根据权利要求1所述的目标检测模型的建立方法，其特征在于，所述采用NetAdapt算法和剪枝算法对所述中间目标检测模型进行优化处理，包括：

所述NetAdapt算法对一层原初深度可分离卷积网络的卷积核进行优化，得到多个第二深度可分离卷积网络；

所述NetAdapt算法将一个所述第二深度可分离卷积网络与所述第二深度可分离卷积网络对应的所述原初深度可分离卷积网络进行时延和精度比较，并根据比较结果选择最终深度可分离卷积网络。

6.根据权利要求5所述的目标检测模型的建立方法，其特征在于，所述根据比较结果选择最终深度可分离卷积网络，包括：

当所述第二深度可分离卷积网络的时延大于所述原初深度可分离卷积网络的时延和/或所述第二深度可分离卷积网络的精度低于所述原初深度可分离卷积网络，选用所述原初深度可分离卷积网络为所述最终深度可分离卷积网络；

当所述第二深度可分离卷积网络的时延小于所述原初深度可分离卷积网络的时延和所述第二深度可分离卷积网络的精度高于所述原初深度可分离卷积网络，选用所述第二深度可分离卷积网络为所述最终深度可分离卷积网络。

7.根据权利要求5所述的目标检测模型的建立方法，其特征在于，所述方法还包括：

所述剪枝算法对所述中间目标检测模型的网络结构进行剪枝处理，去除所述网络结构的冗余权重参数；

所述剪枝算法对剪枝处理后的所述中间目标检测模型进行微调。