龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：合肥湛达智能科技有限公司
申请日：2019-12-31
公开（公告）日：2023-09-05
公开（公告）号：CN111178279B
主分类号：G06V20/56
分类号：G06V20/56;G06V10/774;G06V10/764
优先权：
专利状态码：有效-授权
法律状态：2023.09.05#授权;2020.06.12#实质审查的生效;2020.05.19#公开
摘要：本发明公开了一种基于二值化网络分组训练的车辆检测方法，将全精度卷积神经网络创建为二值化卷积神经网络，通过所有参数量化的方式，实现了网络的压缩与加速，推动了深度学习算法在嵌入式终端上的应用；将全精度卷积神经网络采用逐步分组的方式进行二值化，有效地解决了由于网络量化造成的大幅度精度损失的问题。
主权项：1.一种基于二值化网络分组训练的车辆检测方法，先构建并训练网络模型，然后通过训练好的网络模型对车辆进行检测，其特征在于，构建和训练网络模型主要包括以下步骤：步骤1，收集大量汽车行驶过程中行车记录仪拍摄到的包含车辆的图片，构成包含车辆的数据集，将数据集从数量上分为训练集、验证集和测试集三部分；步骤2，构建全精度卷积神经网络，该全精度卷积神经网络使用9个固定大小的锚点框，获取车辆在每个锚点框中存在的概率，通过非极大值抑制法产生车辆检测结果；步骤3，将全精度卷积神经网络逐步分组创建为二值化卷积神经网络，具体为，将全精度卷积神经网络T组进行二值化，遵循相反的顺序，即从Tn到T1进行二值化，二值化公式其中Lcls和Lloc分别是目标检测的分类和定位损失，λ是每个损失阶段的权重，和分别为全精度卷积神经网络和二值化网络的第i层特征响应，W是输入权重，ya是全精度卷积神经网络的期望输出，yb是二值化网络的期望输出，H是二元权卷积层的指标集；步骤4，利用训练集对二值化卷积神经网络进行训练。
全文数据：
权利要求：
百度查询： 合肥湛达智能科技有限公司 一种基于二值化网络分组训练的车辆检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号