【技术实现步骤摘要】
用于训练可分离卷积网络的方法、路侧设备及云控平台
[0001]本公开涉及计算机
,特别涉及人工智能、计算机视觉技术和智能交通,尤其涉及用于训练可分离卷积网络的方法、路侧设备及云控平台。
技术介绍
[0002]随着人工智能和计算机视觉技术的飞速发展,深度学习神经网络因其优越的性能深受工业市场的追捧。为了满足工业需求,往往需要将模型设计得非常笨重,但是这又往往造成了与应用场景的设备资源受限之间的冲突。
[0003]现有技术中往往采用一种专门针对资源受限终端设备的轻量神经网络架构,其核心是深度可分离卷积(Depthwise Convolution)。
技术实现思路
[0004]提供了一种用于训练可分离卷积网络的方法、路侧设备和云控平台。
[0005]根据第一方面,提供了一种用于训练可分离卷积网络的方法,其中,该可分离卷积网络中包括第一初始卷积核和第一数目个并行的第二初始卷积核,该第一数目个并行的第二初始卷积核的尺寸一致,该方法包括:获取批训练样本集合,其中,批训练样本集合中包括第二数目个样本图像和对应的样本标签;生成批训练样本集合对应的第二初始卷积核的滑动窗口的局部区域块集合;分别生成针对局部区域块集合中各局部区域块的第一数目个并行的融合卷积核,其中,第一数目个并行的融合卷积核基于第一初始卷积核针对样本图像的卷积结果和第一数目个并行的第二初始卷积核生成;基于所生成的第一数目个并行的融合卷积核对相应的局部区域块进行卷积,生成与批训练样本集合中第二数目个样本图像对应的特征图;根据所生成的特 ...
【技术保护点】
【技术特征摘要】
1.一种用于训练可分离卷积网络的方法,其中,所述可分离卷积网络中包括第一初始卷积核和第一数目个并行的第二初始卷积核,所述第一数目个并行的第二初始卷积核的尺寸一致,所述方法包括:获取批训练样本集合,其中,所述批训练样本集合中包括第二数目个样本图像和对应的样本标签;生成所述批训练样本集合对应的第二初始卷积核的滑动窗口的局部区域块集合;分别生成针对所述局部区域块集合中各局部区域块的第一数目个并行的融合卷积核,其中,所述第一数目个并行的融合卷积核基于所述第一初始卷积核针对样本图像的卷积结果和所述第一数目个并行的第二初始卷积核生成;基于所生成的第一数目个并行的融合卷积核对相应的局部区域块进行卷积,生成与所述批训练样本集合中第二数目个样本图像对应的特征图;根据所生成的特征图与对应的样本标签之间的差异,调整所述第一初始卷积核和所述第一数目个并行的第二初始卷积核。2.根据权利要求1所述的方法,其中,所述生成所述批训练样本集合对应的第二初始卷积核的滑动窗口的局部区域块集合,包括:获取第二初始卷积核对应的预设滑动步幅;生成所述局部区域块集合,其中,所述局部区域块集合的维度中包括所述第二数目、所述样本图像的通道数、所述第二初始卷积核的宽与高的乘积、所述样本图像的高与所述预设滑动步幅的比值和所述样本图像的宽与所述预设滑动步幅的比值。3.根据权利要求1或2所述的方法,其中,所述分别生成针对所述局部区域块集合中各局部区域块的第一数目个并行的融合卷积核,包括:基于所述第一初始卷积核针对样本图像的卷积结果,生成与所述第二初始卷积核的维度匹配的第一数目个修正系数张量;基于所述第一数目个修正系数张量与所述第一数目个并行的第二初始卷积核中对应的第二初始卷积核进行点乘,生成第一数目个并行的针对所述局部区域块集合中各局部区域块的融合卷积核,其中,所述融合卷积核的维度与所述第二初始卷积核的维度匹配。4.根据权利要求2所述的方法,其中,所述基于所生成的第一数目个并行的融合卷积核对相应的局部区域块进行卷积,生成与所述批训练样本集合中第二数目个样本图像对应的特征图,包括:对所述第一数目个并行的融合卷积核进行融合,生成融合后的卷积核;利用所生成的融合后的卷积核对相应的局部卷积块进行卷积,生成与所述局部区域块集合的维度一致的卷积结果;在所述第二初始卷积核的宽与高的乘积的维度上进行求和,生成与所述批训练样本集合中第二数目个样本图像对应的特征图,其中,所述特征图的维度中包括所述第二数目、所述样本图像的通道数、所述样本图像的高与所述预设滑动步幅的比值和所述样本图像的宽与所述预设滑动步幅的比值。5.一种图像处理方法,包括:获取待处理图像的目标卷积区域;利用预先生成的第一数目个并行的融合卷积核对所述目标卷积区域进行卷积操作,生
成卷积结果,其中,所述第一数目个并行的融合卷积核基于第一目标卷积核针对所述待处理图像的卷积结果和所述第一数目个并行的第二目标卷积核生成,所述第一目标卷积核和所述第一数目个并行的第二目标卷积核包括基于如权利要求1
‑
4之一所述的方法调整后的第一初始卷积核和第一数目个并行的第二初始卷积核;基于所述卷积结果,生成所述待处理图像对应的特征图。6.一种用于训练可分离卷积网络的装置,其中,所述可分离卷积网络中包括第一初始卷积核和第一数目个并行的第二初始卷积核,所述第一数目个并行的第二初始卷积核的尺寸一致,该装置包括:第一获取单元,被配置成获取批训练样本集合,其中,所述批训练样本集合中包括第二数目个样本图像和对应的样本标签;第一生成单元,被配置成生成所述批训练样本集合...
【专利技术属性】
技术研发人员:夏春龙,
申请(专利权)人:阿波罗智联北京科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。