(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211096542.4 (22)申请日 2022.09.08 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 瞿中　高乐园　王升烨　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 黄宗波 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种改进YOLOX网络结构的轻量化目标检测 方法 (57)摘要 本发明涉及目标检测技术领域， 具体涉及一 种改进YOLOX网络结构的轻量化目标检测方法， 使用改进的YOLOX网络作为主干网络， 将FPN结 构、 FPN分而治之思想和通道剪枝策略等模块融 入到网络中， 生成了一个新的目标检测器， 与原 轻量级网络相比有更高的检测精度和更好的检 测效率， 应用到互联网移动设备上可实现端到端 的实时多目标检测。 本发明解决以下技术问题： 一是针对原始网络采用的路径聚合网络导致重 复计算过多的特征信息， 而忽略其他有用信息以 及计算量过大的问题； 二是针对 轻量级网络模型 在保持参数量不增加的前提下提升检测精度和 检测效率的问题； 三是针对被原始网络过多关注 网络的尾部空间信息而忽略了头部的语义信息， 造成网络的检测效果 不好的问题。 权利要求书2页 说明书6页 附图4页 CN 115471667 A 2022.12.13 CN 115471667 A 1.一种改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 包括下列步骤： 准备两个训练用的数据集； 在两个数据集上分别训练原 始网络模型， 并记录 评估性能的指标； 使用改进方法改进YOLOX网络模型； 在两个数据集上分别训练改进YOLOX网络模型， 对模型进行评估， 并以原始网络模型训 练获得的指标为标准进行比较； 改进后的方法若满足性能要求， 则对其进行检测分析； 如不能满足性能要求， 则对改进 方法进行调整， 直至满足性能要求 为止； 在测试集上对改进方法进行验证和分析； 将有效的改进方法应用到移动设备 上， 实现端到端的实时有效检测。 2.如权利要求1所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 使用改进方法改进YOLOX网络模型的过程， 包括下列步骤： 简化PANet结构为FPN结构； 在FPN结构中应用分而治之方法， 添加新的两个不同分支作为头部的预测输出层， 则改 进后的网络结构分别有P3、 P4、 P5、 P6和P7共五个预测输出层； 将YOLOX中的一般 3×3卷积改进成通道混合卷积； 将每个模块的效果分别在YOLO基线网络上进行训练， 并记录结果； 将所有模块组合在一 起形成新的单阶段目标检测器； 对网络模型进行训练。 3.如权利要求2所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 改进的FPN结构起特征增强的作用， 减少了下采样和拼接带来的计算量， 减少的计算量 作为头部增加预测输出窗口 的基础。 4.如权利要求2所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 在FPN结构中应用分而治之方法的过程中， 增加的分支均作为解耦头的输入， 传输到网 络的头部进行预测输出。 5.如权利要求2所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 在将YOLOX中的一般3 ×3卷积改进成通道混合卷积的过程中， 除了在每个组之间进行 单独的卷积计算外， 还需要将组与 组之间的信息进行有规则的排列 组合， 得到打乱之后的 通道信息 。 6.如权利要求2所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 新的单阶段目标检测器包含特征提取、 特征增强和预测输出三个部分， 其中特征提取 部分将骨干网络的3 ×3卷积改进为通道混洗策 略， 特征增强部分将原始的PANet结构简化 为FPN结构， 预测输出部分采用分而治之的思想将原始的三个输出窗口扩展成五个输出窗 口， 并且每 个输出窗口 的尺度都不同。 7.如权利要求2所述的改进YOLOX网络结构的轻量 化目标检测方法， 其特 征在于， 对网络模型进行训练的过程， 包括下列步骤： 选用PyTorc h对网络模型进行实现； 根据原始模型的参数配置网络， 设置训 练图像分辨率的为416 ×416， 训练轮次为100 轮， 训练预 热为5轮， 其 余参数保持与原 始模型一 致；权　利　要　求　书 1/2 页 2 CN 115471667 A 2在配备Linux＝3.10.0 ‑1127.el7.x86 64和GPU＝GTX2080Ti的服 务器上进行实验； 根据实验结果对网络模型的参数进行调整， 使检测的正确率和速度达 到最高； 重复训练且不断调整网络模型参数， 使检测效果达 到最好。权　利　要　求　书 2/2 页 3 CN 115471667 A 3