一种用于嵌入式系统的深层聚合神经网络轻量化方法

摘要

本发明提供一种用于嵌入式系统的深层聚合神经网络轻量化方法，涉及深度学习技术领域。该方法首先使用深度可分离卷积块替换深层聚合神经网络中的标准卷积块，将一个标准卷积块拆分为深度卷积计算和逐点卷积计算，对输入进行处理生成特征图；并在深层聚合神经网络的深层聚合结点处的聚合操作之后接入瓶颈残差块，对特征图进行维度扩展；然后在深层聚合神经网络的瓶颈层中加入注意力模块，自适应地校准特征图中的特征；最后通过多个深度可分离卷积块和聚合节点构造出迭代深度聚合结构和分层深度聚合结构，实现对深层聚合神经网络结构的轻量化。该方法增强了特征提取的能力，达到了模型轻量化的目的，而且在层级上提高了多尺度目标的识别准确度。