面向城市路况交通标志识别的VGG网络剪枝与量化

• 作者: 林雪 张志佳 刘立强 杨欣朋 王士显
• 来源期刊: 小型微型计算机系统
• 关键词: 交通标志 卷积神经网络 数据融合 模型剪枝 模型量化
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 1293-1296
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.06.026

摘要

为了提高交通标志识别系统在城市路况环境中的实时性应用,本文面向城市路况交通标志识别对VGG网络进行了剪枝与量化研究.以VGG网络为基础,从网络架构的角度采用基于LAOSS回归的通道剪枝方法缩减卷积通道,横向压缩网络的宽度,以最小均方误差作为损失函数对剪枝后模型进行重新训练恢复精度,将VGG模型由537M压缩至507M,运行速度提升29.6％;从模型权重数值的角度采用最小化K-L散度的量化方法对复杂模型进行权重的拟合及优化,参数由float32量化为int8,降低权重参数的复杂度,模型空间占用缩减为原来的1/4,运行速度提升12.8％;以数据融合的方式对自采数据集进行数据扩增,增加数据量同时也增加正则化惩罚项,提高泛化能力,模型的识别率提高0.9％.