一种基于余弦空间优化的图像分类损失函数的设计方法

    公开(公告)号:CN113052261B

    公开(公告)日:2024-05-31

    申请号:CN202110434753.3

    申请日:2021-04-22

    申请人: 东南大学

    摘要: 本发明公开了一种基于余弦空间优化的图像分类损失函数的设计方法,该方法基于常用的Additive Margin Softmax优化,提出了一种可以对图像分类的类内距离与类间距离同时进行主动调控的损失函数。该方法在模型训练的前半阶段采用了AM‑Softmax损失函数,拉开类间距离,在训练后半阶段加入可以随训练批次动态调节的类内中心,进一步紧致同一类别物体的特征向量,同时拉开不同类别物体特征向量间的余弦距离,能够使得模型更快收敛,既能够充分的区分相似类别,也能进一步提高模型性能。

    一种基于YOLO的轻量级的目标检测方法

    公开(公告)号:CN112257794B

    公开(公告)日:2022-10-28

    申请号:CN202011164112.2

    申请日:2020-10-27

    申请人: 东南大学

    摘要: 本发明公开了一种基于YOLO的轻量级的目标检测方法,由一种重复堆叠的通道无缩放卷积模块组成,且模块内通过重复的通道无缩放卷积块与普通的1x1卷积以及3x3卷积的组合极大地缩小了模型的尺寸,同时通过ECA结构重新分配通道的权重,增强各通道面对不同类别的目标自适应学习能力。网络基于YOLO系列框架输出三种不同尺度的特征图,分别负责预测不同尺度的物体,使得模型在极低的参数量下实现较高精度的检测效果,本发明参数复杂度低,精度高。