深度卷积神经网络的轻量化方法、系统及目标检测方法

摘要

本发明涉及一种用于目标检测的深度卷积神经网络的轻量化方法、系统及目标检测方法，属于目标检测技术领域，解决了现有目标检测时Faster RCNN模型计算和存储复杂度高的问题。包括：获取训练好的MobileNet模型作为预训练模型，搭建深度可分离卷积结构的FasterRCNN模型，训练后得到初始Faster RCNN模型；对初始Faster RCNN模型中特征提取主干网络进行稀疏低秩分解、通道裁剪和训练，得到初步轻量化后的Faster RCNN模型；对初步轻量化后的Faster RCNN模型中区域建议网络进行张量Tensor‑Train分解，训练后得到二次轻量化后的Faster RCNN模型；对二次轻量化后的Faster RCNN模型中识别与分类网络进行稀疏低秩分解、通道裁剪和训练，得到最终轻量化后的FasterRCNN模型。实现了目标检测模型较高的压缩倍数，提高了目标检测的速度和精度。