基于参数子空间和缩放因子的YOLO剪枝算法

• 作者: 杨民杰 梁亚玲 杜明辉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 模型压缩 剪枝 目标检测 均值聚类 缩放因子
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 111-117
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056932

摘要

为保证YOLO网络在嵌入式设备上正常运行,需采用剪枝算法精简滤波器以减小网络存储空间和计算量,而现有剪枝算法耗时较长且剪枝精度较低.提出一种基于参数子空间和批量归一化(BN)层缩放因子的双准则剪枝算法.将卷积层滤波器通过k均值聚类得到不同参数子空间,在子空间内使滤波器按权重排序并去除权重较低的滤波器,同时采用BN层缩放因子剪枝算法避免剪枝精度下降.实验结果表明,采用该算法剪枝后的YOLOv3网络在精度不变的情况下,占用的内存减少5/6且计算时间缩短1/3,与PF、CP等剪枝算法相比,该算法在保持较高网络精度的情况下计算量更少.