一种可量化的前端车辆检测网络结构的设计方法与流程

技术特征：
1.一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述设计方法包括以下步骤：s1，设计网络采用二级网络，激励函数为自定义函数，第一级输入大小是47x47的灰度图，第二级网络输入大小是49x49的灰度图；自定义激励函数，将计算的各层结果量化到4bit，边界数据量化中被量化掉；s2，设计二级网络结构：s2.1，第一级网络：前三层使用的步长是2，第四层使用的步长是1，这四层使用自定义激励函数，每层使用的是3
×
3的卷积核；最后两层也就是第五层和第六层是平行层，均使用第四层的计算结果；所述第五层计算结果是用来判断是否是车辆的值，使用的激励函数是sigmol；所述第六层计算的结果是用来微调车辆检测框的值，不使用任何激励函数处理；以上每层使用非对齐处理方式进行卷积；s2.2，第二级网络：第一层使用的步长是1，卷积大小为3
×
3，使用自定义激励函数处理；第二层至第五层即第二层、第三层、第四层和第五层使用的步长均为2，卷积大小为3
×
3，使用自定义激励函数处理，从第二层开始每层输入数据是上一层的输出结果；第六层输入数据是第五层的输出结果，使用全连接，不使用任何激励函数；最后两层也就是第七层和第八层是平行层，均使用第六层的计算结果；所述第七层使用全连接，激励函数是sigmol，用于判断是否为目标的结果；所述第八层使用全连接，不使用激励函数，用于微调坐标的值。2.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述s1中，自定义激励函数为，设x是输入激励函数的值，y是输出函数的值，公式为：3.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述的s2.1中第一层输入数据是灰度图47
×
47
×
1，深度为1，使用自定义激励函数处理，输出特征图深度是16；第二层、第三层，输入数据深度是16，使用自定义激励函数处理，输出特征图深度是16；第四层输入数据深度是16，使用自定义激励函数处理，输出特征图深度是32。4.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述的s2.1中第五层输入数据深度是32，输出数据深度是1。5.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述的s2.1中第六层输入数据深度是32，输出数据深度是4。6.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在
于，所述的s2.2中第一层输入数据是灰度图49
×
49
×
1，输出结果是47
×
47
×
16；第二层输入数据是47
×
47
×
16，输出特征图结果是23
×
23
×
32；第三层输入数据是23
×
23
×
32，输出特征图结果是11
×
11
×
48；第四层输入数据是11
×
11
×
48，输出特征图结果是5
×5×
64；第五层输入数据是5
×5×
64，输出特征图结果是2
×2×
64。7.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述的s2.2中第六层输入数据是2
×2×
64，输出特征图结果是1
×
128；所述的第七层输入数据是1
×
128，输出特征图是1
×
1；所述第八层输入数据是1
×
128，输出特征图是1
×
4。8.根据权利要求1所述的一种可量化的前端车辆检测网络结构的设计方法，其特征在于，所述的s2.2中第八层用于微调坐标的四个值。

技术总结
本发明提供一种可量化的前端车辆检测网络结构的设计方法，包括以下步骤：S1,采用二级网络，第一级输入是47X47的灰度图，第二级网络输入是49X49的灰度图；自定义激励函数，将各层结果量化到4bit，边界数据量化中被量化掉；S2，设计二级网络结构：第一级网络：前三层步长是2，第四层步长是1，这四层使用自定义激励函数，3


技术研发人员：田凤彬 于晓静
受保护的技术使用者：北京君正集成电路股份有限公司
技术研发日：2020.05.13
技术公布日：2021/11/19