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！

龙图腾网获悉沈阳理工大学申请的专利一种轻量化模型压缩的车辆检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115546823B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111671136.1，技术领域涉及：G06V40/10；该发明授权一种轻量化模型压缩的车辆检测方法是由文峰;单铭琦设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本一种轻量化模型压缩的车辆检测方法在说明书摘要公布了：本发明公开了一种轻量化模型压缩的车辆检测方法，涉及卷积神经网络计算机视觉领域。该方法采用通道剪枝算法和模型压缩算法相结合，对YOLOv4‑tiny轻量化模型进行模型压缩。通过使用Mosaic数据增强方法对车辆训练数据集进行数据增强以及扩充，将原始数据集扩充到原始训练数据集的两倍；使用BN层参数来衡量通道重要程度，进行通道剪枝，删除掉输入层权重中低于剪枝比例的通道，对输出层对应的通道进行调整，减少网络模型结构的参数数量；把基于分类任务的知识蒸馏算法，运用到目标检测中，对局部样本点进行采样提取，从教师模型中学习局部区域信息，提高网络模型的精度。

本发明授权一种轻量化模型压缩的车辆检测方法在权利要求书中公布了：1.一种轻量化模型压缩的车辆检测方法，其特征在于，该方法包括如下步骤： 步骤1：收集模型训练所需的车辆数据集，将数据集按比例分为车辆训练数据集和车辆测试数据集； 步骤2：使用数据增强算法对车辆训练数据集进行数据增强以及扩充，将车辆训练数据集扩充为原始车辆训练数据集的两倍； 步骤3：将步骤2中数据增强后的车辆训练数据集放入YOLOv4-tiny模型中进行训练，训练收敛后，保存训练完成后的权重文件； 步骤4：设置剪枝比例，选择通道中特定值作为每一层通道的权重，判断其对模型的贡献程度，删除掉输入层权重中低于剪枝比例的通道，对与删除掉的输入层对应的输出层通道进行调整； 步骤5：重新对剪枝后的YOLOv4-tiny模型进行训练，得到训练到收敛的权重文件，加载到模型当中进行测试； 步骤6：使用YOLOv4模型作为知识蒸馏算法的教师模型，将步骤2中数据增强后的车辆训练数据集放入YOLOv4模型中进行训练，训练收敛后，保存训练完成后的权重文件； 步骤7：将剪枝后的YOLOv4-tiny模型作为知识蒸馏算法的学生模型；把车辆训练数据分别放入教师模型和学生模型中，得到特征图；将先验框和真实框进行IoU值的计算，设定阈值，将IoU值大于阈值的先验框进行交叉熵函数的计算； 步骤8：使用步骤7中交叉熵函数与YOLOv4-tiny的Loss函数进行加和，训练YOLOv4-tiny模型，训练到收敛后，保存其权重文件； 步骤9：利用知识蒸馏完成的YOLOv4-tiny模型对步骤1获得的车辆测试数据集进行测试，确定位置坐标，且在原始车辆测试数据集中进行相应的标记； 所述步骤7中所利用知识蒸馏算法从教师模型中学习特征信息的方法为：令彩色图片经过两个模型骨干网络后，会产生两块大小相等的特征图，但是特征图的通道数不相等；采用自适应特征图卷积，经过卷积层使得学生模型的通道数和教师模型的通道数相等，计算两块特征图之间的损失函数，具体过程如下： 1引入步骤6训练完成的YOLOv4模型作为知识蒸馏算法的教师模型； 2引入步骤5剪枝完成的YOLOv4-tiny模型作为知识蒸馏算法的学生模型； 3车辆训练数据集进入两个模型后，得到两块大小相同的特征图，使用自适应特征图卷积，就是经过卷积层使得学生模型的通道数和教师模型的通道数相等； 4计算两块特征图的Loss值，使得学生模型学习教师模型的特征信息； Loss值计算如式1所示： 其中，Np代表生成的矩阵I中1的个数，也就是所在位置在真实框的位置附近的先验框个数，W为特征图的宽，H为特征图的高，C为不同大小先验框的个数，sijc代表学生模型生成的特征图所在位置的值，tijc代表老师模型生成的特征图所在位置的值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳理工大学，其通讯地址为：110159 辽宁省沈阳市浑南新区南屏中路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。