科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目标检测网络参数量冗余、模型复杂、推理速度缓慢以及难以部署在资源受限的嵌入式设备等问题，提出一种融合剪枝与量化的目标检测网络压缩方法。首先对目标检测网络模型进行稀疏化训练得到缩放因子，并根据缩放因子的分布计算卷积层中通道重要性的占比，根据缩放因子计算动态阈值将对网络模型贡献小的卷积层剪除。然后通过均匀映射的方式将32位浮点型数据量化成8位整型数据，减少网络计算量的同时压缩网络模型的大小。并用YOLO系列目标检测网络对行人与车辆数据集、Hands数据集和VOC2012数据集进行压缩方法验证。实验表明，目标检测网络经过动态阈值剪枝和均匀映射量化后在精度损失4%的前提下，将网络模型从234M压缩至10M以内，检测速度提升五倍，有效解决部署应用难的问题。
-
单位天津科技大学; 自动化学院
