移动端物体检测卷积加速方法研究

发布时间：2024-05-11 11:01

　　随着计算机技术的不断发展,以及物联网、人工智能发展的大趋势下,物体检测技术作为计算机视觉的一个重要分支,已经广泛地应用到例如人脸识别、视频监控、车辆的辅助驾驶、移动机器人等各个领域中。目前,处理物体检测的方法有很多,大体分为两大类:基于图像处理的检测方法与基于卷积神经网络的深度学习检测方法。但是由于基于图像处理的检测方法准确度低,无法满足人们日益增长的检测精度要求,已经逐渐被后者所替代。由于卷积神经网络的运算过程需要消耗大量的计算资源,同时模型存储量较大,对于类似于移动电话、移动机器人这种不方便部署大规模计算服务器的移动端上的部署带来巨大的挑战。因此,研究基于卷积神经网络的检测任务加速和压缩策略,具有重要的意义。本论文主要研究移动端物体检测技术,提出一种模型压缩、模型裁剪与模型量化的方法,旨在解决移动端计算能力不强与存储能力有限的问题。本文主要在以下几个方面进行了研究:1.基于网络结构模型压缩方法的研究。研究并比较几种现有的基于深度学习的特征提取网络架构,提出一种基于可分离式卷积的改进模型架构,该模型架构可以通过分组卷积的形式在保证模型精度的前提下,减小了模型的参数量和前向传播的计算量...

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

图１－１监控视频（左上）辅助驾驶（右上）服务机器人（下）??深度学习（Ｄｅｅｐ?Ｌｅａｒｎｉｎｇ）的概念源于人工神经网络的研究，在研宄中得知??人类的大脑对外界事物的感知与理解都是先从大脑皮层的简单细胞提取信息的??

?第一章绪论???第一章绪论??１．１引言??随着计算机技术的不断发展，以及物联网、人工智能发展的大趋势下，物体??检测技术作为计算机视觉的一个重要分支，己经广泛地应用到例如人脸识别、视??频监控、车辆的辅助驾驶、移动机器人等各个领域中。物体检测主要解决多物体??的识别与定位问题....

图１－４选择性搜索（左）ＩＯＵ非极大值抑制（右）??

北京邮电大学工程硕士学位论文前对于物体检测与优化加速己经有许多相当成熟的解决方案，但移动端上，实时性和算法鲁棒性仍是一个需要改进提高的部分。??体检测研究现状??在２０１２年Ｊ．?Ｒ．?Ｒ．?Ｕｉｊｌｉｎｇｓ等人提出了基于深度学习的典型检测算选择性搜索（Ｓｅｌｅｃｔｉｖｅ?Ｓｅａ....

图２－１卷枳核权值（左）抽象特征（右）??

２．２卷积神经网络特征提取原理??卷积神经网络是一个拥有多个感知层的前馈神经网络。其在视觉领域的应用??主要利用卷积核对当前特征图谱的部分区域特征感知的特点，如图２－１所示，现??有一个７?７大小的卷积核，有效权值分布在一条曲线区域内，其余为无效参数零，??此吋可将该卷积核抽象为....

图２－３对应位置点乘??９??

２．２卷积神经网络特征提取原理??卷积神经网络是一个拥有多个感知层的前馈神经网络。其在视觉领域的应用??主要利用卷积核对当前特征图谱的部分区域特征感知的特点，如图２－１所示，现??有一个７?７大小的卷积核，有效权值分布在一条曲线区域内，其余为无效参数零，??此吋可将该卷积核抽象为....

本文编号：3969863