买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海悠络客电子科技股份有限公司

摘要：本发明公开了一种在线目标检测模型构建方法，本发明通过基于进化算法的神经网络架构搜索技术和模型性能预测器，可以针对任务数据集自适应的构建目标检测模型该预测器由Model_cache中的高性能模型集训练得到，因此，具有较好的预测性能，可以在神经网络架构搜索的过程中，代替候选模型的完整推理过程，直接预测得到候选模型的性能评估值，进一步提高神经网络架构搜索的效率。最后，本发明所提的模型存储池中的候选模型集可通过进化算法实时更新，因此，可以用于在线构建目标检测模型，提高神经网络架构搜索算法在目标检测领域的实用性。

主权项：1.一种在线目标检测模型构建方法，其特征在于，包括以下步骤：步骤S1，给定带有标签的图像分类数据集，将该数据集划分为训练数据集Ctrain，验证数据集Cval和测试数据集Ctest；给定带有标签的目标检测数据集，将该数据集划分为训练数据集Dtrain，验证数据集Dval和测试数据集Dtest，将训练数据集Dtrain以一定的比例划分为三份，分别为：Dtrain1，Dtrain2，Dtrain3；创建模型存储池Model_cache，用于存储候选的目标检测模型；初始化N个径向基函数网络RadialBasisFunction，RBF，N为大于1的数；设定最大搜索代数E；步骤S2，构建超网络架构作为搜索空间，通过训练数据集Ctrain，对超网络架构中的子网络模型进行采样预训练，在训练的过程中，通过验证数据集Cval作交叉验证，判断模型的收敛情况，超网络架构收敛之后，则预训练结束，保留超网络各层的权值；步骤S3，将FPN网络、RPN网络、ROIpooling、分类网络、边界框回归网络的网络结构固定，并外接到超网络架构的固定层，组成超网络目标检测模型；步骤S4，利用训练数据集Dtrain1对超网络目标检测模型的参数进行微调，保留微调后的模型权值w；步骤S5，基于超网络架构进行种群初始化，随机产生M条染色体，M为一个大于1的数，作为初始种群，其中，染色体的长度为K；将初始种群的模型存储至Model_cache，种群中的个体，均为目标检测模型；步骤S6，利用步骤S4中的模型权值w，为Model_cache中的新个体初始化权值，之后，利用训练数据集Dtrain2，对Model_cache中的新个体进行训练，每个个体均从超网络继承权值，利用验证数据集Dval评估每个个体，直至个体收敛，并将每个个体的mAP值保存；每个个体的染色体和其相应的mAP值组成数据-标签对{X，Y}，其中，每一条X数据包含K个特征；将数据-标签对{X，Y}存储至Model_cache，构成样本训练集L，统计训练样本集L中的样本总数为H；步骤S7，利用步骤S6的样本训练集L，以X为训练数据，以Y为相应的标签值，通过Bootstrap方法训练N个RBF网络，之后将N个RBF网络通过模型平均的方法，组成一个强学习器，作为模型性能预测器；步骤S8，基于训练数据集Dtrain3，验证数据集Dval，使用进化算法作为搜索策略，利用步骤S7的模型性能预测器，评估父代个体和子代个体的适应度值，达到最大进化代数G之后，输出最优的种群P；步骤S9，若达到最大搜索代数E，则输出适应度值最优的个体作为选出的最优的神经网络架构；若未达到最大搜索代数E，则将最优种群P合并至Model_cache，并返回步骤S6。

全文数据：

权利要求：

百度查询： 上海悠络客电子科技股份有限公司 一种在线目标检测模型构建方法