典型文献
融合剪枝与量化的目标检测网络压缩方法
文献摘要：
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.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.
文献关键词：
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
中图分类号：
作者姓名：
杨国威;许志旺;房臣;王以忠
作者机构：
天津科技大学 电子信息与自动化学院,天津 300222
文献出处：
引用格式：
[1]杨国威;许志旺;房臣;王以忠-.融合剪枝与量化的目标检测网络压缩方法)[J].计算机工程与应用,2022(22):108-115
A类：
动态阈值剪枝,均匀映射量化
B类：
目标检测网络,网络压缩,压缩方法,网络参数,参数量,推理速度,资源受限,嵌入式设备,行稀疏化,稀疏化训练,练得,缩放因子,分布计算,卷积层,剪除,浮点,数据量化,整型,计算量,YOLO,人与车,辆数,Hands,VOC2012,方法验证,精度损失,MB,检测速度,模型压缩
AB值：
0.334031
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。
