基于YOLOv4-Tiny模型剪枝算法

作者：曹远杰; 高瑜翔; 刘海波; 吴美霖; 涂雅培; 夏朝禹

来源：成都信息工程大学学报, 2021, 36(06): 610-614.

DOI：10.16836/j.cnki.jcuit.2021.06.005

• 深度学习
• 卷积神经网络
• YOLOv4-Tiny
• YOLOv3-Tiny
• 模型剪枝
• 稀疏训练

针对YOLO系列算法参数量大、算法复杂度高提出一种基于BN(batch normalization)层剪枝方法。该方法先通过对BN层的缩放系数γ以及平移系数β添加正则化约束训练,根据BN层参数以及卷积层各通道对网络贡献度等指标设定合适阈值进行剪枝。该方法在基本没有精度损失的前提下对YOLOv4-Tiny模型压缩11倍,计算量减少72%,在CPU和GPU处理器下推理速度分别增快44%和29%。实验结果表明,该剪枝方法能保持模型良好性能的前提下压缩模型,减少参数,降低算法复杂度。

• 单位
  中国民用航空总局第二研究所; 成都信息工程大学