10.3778/j.issn.1002-8331.1912-0302
基于YOLOv3的卷积层结构化剪枝
针对YOLOv3等卷积神经网络使用更多的卷积层结构且卷积核尺寸大小统一的特点,提出一种卷积层结构化剪枝计算的参数压缩方法.基于卷积层权值参数,设计度量卷积层重要性公式,评估卷积层相对整个网络重要性,计算卷积层重要度并对得分进行排序,制定稀疏值分配策略,再训练模型操作保证模型性能不降低,并得到各个卷积层分配的稀疏值以及卷积过滤器,完成模型的结构化剪枝计算.在Darknet上实现YOLOv3卷积层结构化剪枝的参数压缩方法,不仅将YOLOv3参数压缩1.5倍,且计算量减少了1.6倍.
深度学习、剪枝、卷积神经网络
57
TP39(计算技术、计算机技术)
2021-03-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
131-137