计算机应用研究

作者：王以忠,郭振栋,房臣,杨国威,王琦琦,郭肖勇,

单位：天津科技大学电子信息与自动化学院,天津300222；

关键词：深度学习,卷积神经网络,自适应阈值,通道剪枝,层剪枝,

针对YOLO系列目标检测算法中复杂的网络模型和大量冗余参数问题，提出了一种基于自适应阈值的循环剪枝算法：在经过基础训练和稀疏化训练后，进入到自适应阈值剪枝模块，该模块针对缩放因子分布情况，通过缩放因子对通道和卷积层的重要性进行评估，自主学习到一个剪枝阈值，再对网络模型进行剪枝，此过程可以循环进行，并在通道剪枝和层剪枝中应用。该算法中的阈值不是人为设定，而是针对当前网络结构学习获得，通过剪枝获得一个更优的精简模型。算法实验基于YOLOv3在三个数据集上验证，结果表明，该算法对不同数据集、不同网络结构表现出较强的适应性，与传统固定阈值相比，通过自适应阈值剪枝的模型在检测精度、压缩效果、推理速度等方面都取得了更优的效果。

来源：2022年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第5期