无锚框目标检测模型通道剪枝方法

摘要：

针对无锚框目标检测模型主干网络参数冗杂度大、计算开销高以及检测速度慢等问题,提出双维度注意力引导的通道剪枝算法(CPDAM),以便对无锚框目标检测模型进行压缩.利用池化层和组归一化操作提升通道注意和空间注意子模块性能;采用通道分组策略融合改进后的通道注意和空间注意子模块,并经过不断训练,为每个通道生成一个尺度值用于表示该通道在分类任务上的重要程度;利用尺度值计算一个全局尺度值,并根据该值评估通道重要性对主干网络进行通道剪枝;在PASCAL VOC、ImageNet、CIFAR-100等常用数据集上对剪枝前后的无锚框目标检测模型进行实验验证,结果表明,在mAP仅损失0.6个百分点的前提下,剪枝前后的CenterNet-ResNet101参数量从6.995×107减少至2.238×107,FPS从27提升至46.

关键词：无锚框、目标检测、注意力机制、通道剪枝

所属期刊栏目：17

分类号：TP311(计算技术、计算机技术)

在线出版日期：2023-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1634-1643