计算机工程与应用

2022, v.58;No.1013(22) 108-115

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

融合剪枝与量化的目标检测网络压缩方法
Object Detection Network Compression Method Based on Pruning and Quantization

杨国威;许志旺;房臣;王以忠;

摘要(Abstract):

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。最后采用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234 MB压缩至10 MB以内,检测速度提升5倍,有效解决了部署应用难的问题。

关键词(KeyWords): 目标检测网络;模型压缩;动态阈值剪枝;缩放因子;均匀映射量化

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(51805370);; 天津市自然科学基金(20JCQNJC00120)

作者(Authors): 杨国威;许志旺;房臣;王以忠;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享