(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 202211315973.5 (22)申请日 2022.10.26 (71)申请人 济南大学 地址 250002 山东省济南市 市中区南 辛庄 西路336号 (72)发明人 彭京亮　孙淑奇　杨晓晖　 (74)专利代理 机构 济南誉丰专利代理事务所 (普通合伙企业) 37240 专利代理师 孙强 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于YOLO的轻量级目标检测网络、 方法及电 子设备 (57)摘要 本申请提供的一种基于YOLO的轻量级目标 检测网络、 方法及电子设备， 骨干网络选择轻量 级网络作为基线骨干结构， 靠近网络结构前端的 位置设置简化的非局部块， 在轻量级网络骨干上 设置多个3 ×3卷积分支， 每个分支平行于一个瓶 颈模块序列， 骨干网络接收端引入原始图像的高 频小波信息； 检测颈部中的每个3 ×3卷积替换为 一个由3×3深度可分离卷积和一个挤压激励块 融合而成的简洁块； 检测头部中的一个3 ×3卷积 替换为一个由3 ×3深度可分离卷积和一个挤压 激励块融合而成的简洁块。 使用原始图像的高频 小波信息来增强输入， 为神经网络提供目标定位 和表征的初始指导。 此外还简化了原始 YOLO基线 网络的主干、 检测颈和检测头， 在保证图像小目 标检测精度的前提下， 减 小了网络的规模。 权利要求书2页 说明书9页 附图3页 CN 115546620 A 2022.12.30 CN 115546620 A 1.一种基于YOLO的轻量级目标检测网络， 其特征在于， 包括： 骨干网络、 检测颈部和检 测头部， 所述骨干网络选择轻量级网络Mob ileNetv2作为基线骨干结构， 靠近Mob ileNetv2 结构前端的位置设置简化的非局部Simplified  NL块， 在MobileNetv2骨干 上设置多个3 ×3 卷积分支Conv， 每个分支平行于一个瓶颈模块序列， 所述骨干网络接收端引入原始图像的 高频小波信息； 所述检测颈部采用特征金字塔网络FPN的骨架结构， 将所述FPN中的每个3 × 3卷积替换为一个由3 ×3深度可分离卷积DepthSepConv和一个挤压激励SE块融合而成的简 洁块； 所述检测 头部采用原始的YOLOv3检测 头部， 所述检测 头部中的一个3 ×3卷积替换为 一个由3×3深度可分离卷积DepthSepCo nv和一个挤压 激励SE块融合而成的简洁块。 2.根据权利要求1所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述骨干网络 包括： 卷积块Conv， 与所述Conv 连接的梯度网络， 所述梯度网络由多个瓶颈层BottleNeck块 组成， 每个所述BottleNeck块平行设置一个3 ×3Conv， 所述BottleNeck块与所述3 ×3Conv 以及相邻的Bot tleNeck块通道拼接 。 3.根据权利要求2所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述梯度网络 包括依次通道拼接的第一BottleNeck块、 第二BottleNeck块、 第三BottleNeck块、 第四 BottleNeck块、 第五BottleNeck块、 第六BottleNeck块和第七BottleNeck块， 所述第一 BottleNeck块和第七BottleNeck块包 括一个BottleNeck， 所述第二BottleNeck块包 括两个 BottleNeck， 所述第三BottleNeck块、 所述第五BottleNeck块和所述第六BottleNeck块包 括三个BottleNeck， 所述第四BottleNeck块包括四个BottleNeck， 其中所述第二 BottleNeck块之后设置所述Simplified  NL块， 所述第二BottleNeck块与所述Simplified   NL块串联然后与对应的3 ×3Conv通道拼接后输出到第三Bot tleNeck块。 4.根据权利要求2或3所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述 BottleNeck包括一个1 ×1Conv和与所述1 ×1Conv连接的3 ×3深度可分离卷积 DepthSepCo nv， 所述DepthSepCo nv由深度卷积和逐点卷积组成。 5.根据权利要求4所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述 Simplifie d NL块包括平行设置的1 ×1Conv第一分支和1 ×1Conv与Softmax函数组合的第 二分支， 所述第一分支和第二分支 矩阵相乘后输出到一个1 ×1Conv。 6.根据权利要求5所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述检测颈部 包括与所述梯度网络中的三组Si mplified  Neck Conv Block， 所述Si mplified  Neck Conv  Block之间设置1 ×1Conv+上采样Upsample组合块， 第一组合块的输出端与第一Simplified   Neck Conv Block的输入端通道拼接， 第 一组合块的输入端与第 二Simpli fied Neck Conv  Block的输出端相连接； 第二组合块的输出端与第 二Simplifie d Neck Conv Block的输入 端通道拼接， 第二组合 块的输入端与第三Simpl ified Neck Conv Block的输出端相连接 。 7.根据权利要求6所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述 Simplified  Neck Conv Block包括三个1 ×1Conv和两组3 ×3DepthSepConv+挤压 ‑激励SE 融合块， 所述3 ×3DepthSepCo nv+SE融合 块设置在所述1 ×1Conv之间。 8.根据权利要求7所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述3 × 3DepthSepCo nv+SE融合 块中3×3DepthSepCo nv与SE块 通道相乘。 9.根据权利要求8所述的基于YOLO的轻量级目标检测网络， 其特征在于， 所述检测头部 包括与Si mplified  Neck Conv Block一一对应连接的Si mplified  Head Conv Block， 所述权　利　要　求　书 1/2 页 2 CN 115546620 A 2Simplified Head Conv Block包括相连接的3 ×3DepthSepCo nv+SE融合 块和1×1Conv。 10.一种基于权利要求1 ‑9任一项所述的YOLO的轻量级目标检测网络的目标检测方法， 其特征在于， 包括： 将原始图像增加高频信息后输入骨干网络， 经过检测颈部和检测头部后 对所述原始图像中的小目标进 行检测， 其中所述将原始图像增加高频信息后输入所述骨干 网络， 包括： 对原始图像进行小波变换WT， 对三个高频波段进行逆小波变换IWT， 并将IWT的 结果作为 一个额外的通道与原 始图像一 起送入所述骨干网络 。权　利　要　求　书 2/2 页 3 CN 115546620 A 3