(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 202111671136.1 (22)申请日 2021.12.31 (71)申请人 沈阳理工大 学 地址 110159 辽宁省沈阳市 浑南新区南屏 中路6号 (72)发明人 文峰　单铭琦　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 专利代理师 李在川 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/20(2022.01) G06V 20/40(2022.01) G06V 10/25(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种轻量 化模型压缩的车辆 检测方法 (57)摘要 本发明公开了一种轻量化模型压缩的车辆 检测方法， 涉及卷积神经网络计算机视觉领域。 该方法采用通道剪枝算法和模型压缩算法相结 合， 对YOLOv4 ‑tiny轻量化模型进行模型压缩。 通 过使用Mosaic数据增强方法对车辆训练数据集 进行数据增强以及扩充， 将原始数据集扩充到原 始训练数据集的两倍； 使用BN层参数来衡量通道 重要程度， 进行通道剪枝， 删除掉输入层权重中 低于剪枝比例的通道， 对输出层对应的通道进行 调整， 减少网络模型结构 的参数数量； 把基于分 类任务的知识蒸馏算法， 运用到目标检测中， 对 局部样本点进行采样提取， 从教师模 型中学习局 部区域信息， 提高网络模型的精度。 权利要求书2页 说明书6页 附图4页 CN 115546823 A 2022.12.30 CN 115546823 A 1.一种轻量 化模型压缩的车辆检测方法， 其特 征在于， 该 方法包括如下步骤： 步骤1： 收集模型训练所需的车辆数据集， 将数据集按比例分为车辆训练数据集和车辆 测试数据集； 步骤2： 使用数据增强算法对车辆训练数据集进行数据增强以及扩充， 将车辆训练数据 集扩充为原 始车辆训练数据集的两倍； 步骤3： 将步骤2中数据增强后的车辆训练数据 集放入YOLOv4 ‑tiny模型中进行训练， 训 练收敛后， 保存训练完成后的权 重文件； 步骤4： 设置剪枝比例， 选择通道中特定值作为每一层通道的权重， 判断其对模型的贡 献程度， 删除掉输入层权重中低于剪枝比例的通道， 对与删除掉的输入层对应的输出层通 道进行调整； 步骤5： 重新对剪枝后的YOLOv4 ‑tiny模型进行训练， 得到训练到收敛的权重文件， 加载 到模型当中进行测试； 步骤6： 使用YOLOv4模型作为知识蒸馏算法的教师模型， 将步骤2中数据增强后的车辆 训练数据集 放入YOLOv4模型中进行训练， 训练收敛后， 保存训练完成后的权 重文件； 步骤7： 将剪枝后的YOLOv4 ‑tiny模型作为知识蒸馏算法的学生模型； 把车辆训练数据 分别放入教师模型和学生模型中， 得到特征图； 将先验框和真实框进行IoU值的计算， 设定 阈值， 将I oU值大于阈值的先验框进行交叉熵函数的计算； 步骤8： 使用步骤7中交叉熵函数与YOLOv4 ‑tiny的Loss函数进行加和， 训练YOLOv4 ‑ tiny模型， 训练到收敛后， 保存其权 重文件； 步骤9： 利用知识蒸馏完成的YOLOv4 ‑tiny模型对步骤1获得的车辆测试数据集进行测 试， 确定位置坐标， 且在原 始车辆测试 数据集中进行相应的标记。 2.如权利要求1所述的轻量化模型压缩的车辆检测方法， 其特征在于， 所述步骤1的具 体过程： 采用车辆在行驶过程中行车记录仪记录下 的车辆视频， 将该视频中的序列变为一 帧一帧的图片当作数据集， 对图片 中的检测物体进行标注， 按照比例分别作为车辆训练集 和车辆测试集。 3.根据权利要求1所述的轻量化模型压缩的车辆检测方法， 其特征在于， 所述步骤2 的 具体过程： 采用Mosaic数据增强的方法， 将四张图片通过随机裁剪、 随机缩放以及随机排布 的方式进行混合， 混合后生成一张图片进行模型的训练。 4.根据权利要求1所述的轻量化模型压缩的车辆检测方法， 其特征在于， 所述步骤4中 特定值： 为BN层的权 重值。 5.根据权利要求1所述的轻量化模型压缩的车辆检测方法， 其特征在于， 所述步骤7中 所利用知识蒸馏算法从教师模型中学习特征信息的方法为： 令彩色图片经过两个模型骨干 网络后， 会产生两块大小相等的特征图， 但是特征图的通道数不相等； 采用自适应特征图卷 积， 经过卷积层使得学生模型 的通道数和教师模型 的通道数相等， 计算两块特征图之间的 损失函数， 具体过程如下： 1)引入步骤6训练完成的YOLOv4模型作为知识蒸馏算法的教师模型； 2)引入步骤5 剪枝完成的YOLOv4 ‑tiny模型作为知识蒸馏算法的学生模型； 3)车辆训练数据集进入两个模型后， 得到两块大小相同的特征图， 使用自适应特征图 卷积， 就是 经过卷积层使得 学生模型的通道数和教师模型的通道数相等；权　利　要　求　书 1/2 页 2 CN 115546823 A 24)计算两块特 征图的Loss值， 使得 学生模型 学习教师模型的特 征信息。 6.根据权利要求5所述的轻量化模型压缩的车辆检测方法， 其特征在于： Loss函数计算 如式(1)所示： 其中， Np代表生成的矩阵I中1的个数， 也就是所在位置在真实框的位置附近的先验框个 数， W为特征图的宽， H为特征图的高， C为不同大小先验框的个数， sijc代表学生模型生成的 特征图所在位置的值， tijc代表老师模型生成的特 征图所在位置的值。 7.根据权利要求1所述的轻量化模型压缩的车辆检测方法， 其特征在于： 所述步骤7中 IoU计算过程如式(2)所示： 其中， STruth为真实框的面积， Sbox为先验框的面积。权　利　要　求　书 2/2 页 3 CN 115546823 A 3