一种基于神经网络架构搜索的工业产品盲检目标检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998285A(43)申请公布日2022.09.02(21)申请号202210688616.7G06N3/04(2006.01)(22)申请日2022.06.17G06N3/08(2006.01)(71)申请人桂林医学院地址541004广西壮族自治区桂林市环城北二路109号申请人桂林理工大学(72)发明人杨铁军邓渭铭黄琳(74)专利代理机构广州粤高专利商标代理有限公司44102专利代理师郑堪泳(51)Int.Cl.G06T7/00(2017.01)G06V10/764(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书3页说明书11页附图5页(54)发明名称一种基于神经网络架构搜索的工业产品盲检目标检测方法(57)摘要本发明提供一种基于神经网络架构搜索的工业产品盲检目标检测方法，该方法设计了一个XOR通道融合模块，用于解决多分支接入带来的特征混淆和冗余问题。利用深浅层特征映射之间的互补性，在多分支接入时，通过XOR通道融合模块在通道层面上对不同尺度的特征映射进行XOR融合；提出了一种逐渐剪枝的搜索策略，在搜索过程中不断剪枝，高效的构建多分支CNN架构同时缩小搜索和评估之间的差距，生成的多分支CNN结构，可以在深层特征中融入浅层特征，提高小目标检测能力；将搜索出的模型作为YOLOv4的主干网络，达到了更高的检测精度。CN114998285ACN114998285A权利要求书1/3页1.一种基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，包括以下步骤：S1：设计一个XOR通道融合模块，在多分支接入时融合多条分支的特征映射；S2：通过步骤S1设计的XOR通道融合模块构建被搜索的神经网络架构单元Cell，采用了逐渐剪枝的搜索策略来搜索多分支CNN架构；S3：将步骤S2搜索出的多分支CNN架构作为YOLOv4的主干网络在数据集上评估测试。2.根据权利要求1所述的基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，所述步骤S1中，XOR通道融合模块的操作机制是：设有k+1个分支分别为接入，其中表示第n‑mk层的特征映射，k∈{0,1,2,…}，m0<m1<…<mk，的通道数为且为了融合k+1个分支，一个XOR模块需要设置k个XOR子块，除第一个XOR子块接受最深层的2路分支外，其余子块分别接受次深层的一路分支和前一个子块的一路输出，各分支按照层次倒序依次输入到子块中。3.根据权利要求2所述的基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，和输入到第1个子块，每个子块包含2路输出，其中一路输出为增强的浅层特征映射负责串联其他子块，即作为下一个子块的深层特征映射输入；另外一路为增强的深层特征映射经XOR融合后输出。4.根据权利要求3所述的基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，所述步骤S1中，XOR通道融合模块融合多条分支的特征映射的过程如下：S11：初始化i＝1；两路输入对应的通道数分别为C1,C2；S12：将Fin,1和Fin,2输入到第i个XOR子块中，由于每个通道对应的BN层参数反应了通道的重要程度，将Fin,1所有通道按照BN参数大小降序排列，选出前C2个通道，并进行双线性上采样得到Fup；然后，将Fup与Fin,2进行XOR操作，XOR操作定义如下：将和Fup按通道进行取最大值的点运算，输出结果为其中，Fi为第i个通道；然后，计算差异张量接着，以Fsub中每个通道的均值作为对应通道的阈值Ti，并采用XOR的方式融合和Fup，如公式(3)所示：2CN114998285A权利要求书2/3页S13：将Fxor下采样，并与剩余的C1‑C2个通道拼接，得到增强后的一路输出S14：将Fup与进行点乘运算，将深层特征信息嵌入浅层特征，得到增强后的另外一路输出S15：如果i<k，表示还有分支未接入，则：i←i+1，对应的通道数分别为C1,C2，转到S12，否则，结束。5.根据权利要求4所述的基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，当特征差异低于Ti时，对应位置的深层、浅层特征语义近似，因此选择语义信息更丰富的深层特征当高于Ti时，说明特征语义差异较大，而浅层特征包含更精细位置的特征信息，因此选择浅层特征操作将更准确的空间信息融入到深层特征中，预期实现更高的检测准确性命名为XOR操作。6.根据权利要求5所述的基于神经网络架构搜索的工业产品盲检目标检测方法，其特征在于，所述步骤S2中，XOR通道融合模块构建被搜索的神经网络架构单元Cell包括一个头层Head和一个堆叠层Stack；在头层中，当输入为多分支时，首先通过XOR模块进行融合，然后由对齐层将不同尺寸包括通