基于模型剪枝和知识蒸馏的船舶目标检测方法

摘要：

针对基于深度学习的目标检测技术需要大量计算、卷积网络里大量参数占用内存空间导致模型太大无法较好进行部署等问题,提出一种基于模型剪枝和知识蒸馏的船舶目标检测方法.首先构建小样本船舶数据集,通过数据增广来扩充数据集数量,然后采用YOLO v3模型对其进行训练,接着对网络进行模型剪枝,最后采用知识蒸馏技术对剪枝后的模型进行蒸馏,补偿剪枝后模型的检测精度损失.试验表明,剪枝后压缩了模型体积,且仍有较高的检测精度.

关键词：深度学习、卷积网络、模型剪枝、知识蒸馏

所属期刊栏目：20

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金;南京工程学院产学研专项

在线出版日期：2022-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：13-17