典型文献
在轨目标检测模型结构化条带剪枝
文献摘要：
针对基于卷积神经网络的 目标检测算法在轨应用时因其存储复杂度和计算复杂度高而难以实现在轨部署的问题,提出一种结构化条带剪枝算法来实现目标检测模型压缩.使用条带剪枝方法获得卷积核骨架矩阵;对骨架矩阵中的元素进行排序,按照剪枝比例将对应骨架矩阵中较小的元素剪去,从而使得卷积核结构化;采用混合精度训练方法获得结构化条带剪枝模型.分别在NWPU VHR-10数据集和自建数据集上对所提出的结构化条带剪枝算法进行了验证.该算法可以使得参数压缩比达到1.97倍,加速比达到1.68倍,且mAP在NWPU VHR-10数据集上仅下降了 0.9％,在自建数据集上仅下降了 1.7％.实验结果表明,本文所提出的结构化剪枝方法能够有效实现目标检测模型的压缩.
文献关键词：
目标检测;卷积神经网络;深度学习;模型压缩;剪枝
中图分类号：
作者姓名：
呼延烺;李映;周诠;刘娟妮;魏佳圆;肖化超;张怡;方海
作者机构：
西北工业大学计算机学院,西安710129;空间微波技术国家级重点实验室,西安710100
文献出处：
引用格式：
[1]呼延烺;李映;周诠;刘娟妮;魏佳圆;肖化超;张怡;方海-.在轨目标检测模型结构化条带剪枝)[J].空间控制技术与应用,2022(05):67-77
A类：
B类：
目标检测模型,模型结构,条带,目标检测算法,在轨应用,计算复杂度,难以实现,剪枝算法,实现目标,模型压缩,剪枝方法,卷积核,骨架矩阵,混合精度,训练方法,NWPU,VHR,自建数据集,参数压缩,压缩比,比达,加速比,mAP,结构化剪枝
AB值：
0.319519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
