卷积神经网络的行人检测需要大量的计算机资源，因而难以在资源受限的移动端部署。为了解决这个问题，研究了一种基于归一化层γ系数的模型剪枝方法。利用参数α和γ向损失函数添加L1正则化使模型网络权重稀疏化；将稀疏后的γ系数排序，设置阈值，剪掉γ系数低于阈值的卷积层通道或结构；微调网络模型，回升模型精度。结果表明，经过剪枝后的模型网络精度为0.871,权重仅为9.66 MB,推理时间达到了9.07 ms,在兼顾精度的同时需要较少的资源占用。
科研之友
微信
新浪微博
Facebook
分享链接
