科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对YOLO系列目标检测算法中复杂的网络模型和大量冗余参数问题，提出了一种基于自适应阈值的循环剪枝算法：在经过基础训练和稀疏化训练后，进入到自适应阈值剪枝模块，该模块针对缩放因子分布情况，通过缩放因子对通道和卷积层的重要性进行评估，自主学习到一个剪枝阈值，再对网络模型进行剪枝，此过程可以循环进行，并在通道剪枝和层剪枝中应用。该算法中的阈值不是人为设定，而是针对当前网络结构学习获得，通过剪枝获得一个更优的精简模型。算法实验基于YOLOv3在三个数据集上验证，结果表明，该算法对不同数据集、不同网络结构表现出较强的适应性，与传统固定阈值相比，通过自适应阈值剪枝的模型在检测精度、压缩效果、推理速度等方面都取得了更优的效果。
-
单位天津科技大学; 自动化学院
