申请/专利权人：中国人民解放军国防科技大学

申请日：2023-12-11

公开（公告）日：2024-03-01

公开（公告）号：CN117634567A

主分类号：G06N3/0495

分类号：G06N3/0495;G06N3/0455;G06N3/0464;G06N3/082;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本申请公开了一种单帧红外弱小目标检测的对称渐进递减网络量化方法，涉及红外图像处理技术领域，包括：为初始深度学习网络模型中的第一层编码器卷积块分配浮点数为32位的权重位宽和激活位宽，得到第一深度学习网络模型；按照权重位宽对称渐进递减的方式为第一深度学习网络模型的所有编码器卷积块和解码器卷积块分配权重位宽，得到第二深度学习网络模型；按照激活位宽对称渐进递减的方式为第二深度学习网络模型中的所有编码器卷积块和解码器卷积块分配激活位宽，得到用于对单帧红外弱小目标进行检测的目标深度学习网络模型。本申请能够在保持检测精度的同时降低内存占用和计算成本，缩小计算资源，使网络能够部署在资源有限的硬件设备上运行。

主权项：1.一种单帧红外弱小目标检测的对称渐进递减网络量化方法，其特征在于，包括：获取用于单帧红外弱小目标检测的深度学习网络模型，得到初始深度学习网络模型；为所述初始深度学习网络模型中的第一层编码器卷积块分配浮点数为32位的权重位宽和激活位宽，得到第一深度学习网络模型；按照权重位宽对称渐进递减的方式为所述第一深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配权重位宽，得到第二深度学习网络模型；按照激活位宽对称渐进递减的方式为所述第二深度学习网络模型中除所述第一层编码器卷积块外的所有编码器卷积块和所有解码器卷积块分配激活位宽，得到目标深度学习网络模型，并利用所述目标深度学习网络模型对所述单帧红外弱小目标进行检测。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种单帧红外弱小目标检测的对称渐进递减网络量化方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD