10.3969/j.issn.1007-757X.2022.09.042
一种轻量型YOLO v3行人检测方法
卷积神经网络的行人检测需要大量的计算机资源,因而难以在资源受限的移动端部署.为了解决这个问题,研究了一种基于归一化层γ系数的模型剪枝方法.利用参数a和γ 向损失函数添加L1正则化使模型网络权重稀疏化;将稀疏后的γ系数排序,设置阈值,剪掉γ系数低于阈值的卷积层通道或结构;微调网络模型,回升模型精度.结果表明,经过剪枝后的模型网络精度为0.871,权重仅为9.66 MB,推理时间达到了 9.07 ms,在兼顾精度的同时需要较少的资源占用.
卷积神经网络、行人检测、稀疏正则化、模型剪枝
38
TP391(计算技术、计算机技术)
2022-11-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
148-151,159