《表1 深度裁剪:基于YOLOV3的改进模型在行人检测中的应用》
Darknet53骨干网络专为多类别检测设计,网络层数高达53层,网络的最大宽度为2 048,其特征表达能力远远超过了行人特征,因此,需要对原骨干网络的深度和宽度进行裁剪。首先对整个网络模型的深度进行层次敏感度分析,在预训练的Darknet53模型上,通过消融实验,即分别将每层的权重设置为0来模拟删掉当前层,确定每层对整个网络的影响,删除每层带来的m AP变化值,即为当前层对整个网络的敏感值,最终对所有的敏感值进行排序,选择精度损失最小的部分层进行裁剪。最终在原网络上裁剪掉15层,裁剪的层和对应的精度损失如表1所列,损失的精度可以通过微调弥补。
图表编号 | XD00144839300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.15 |
作者 | 黄同愿、杨雪姣、向国徽、陈辽 |
绘制单位 | 重庆理工大学两江人工智能学院、重庆理工大学两江人工智能学院、重庆理工大学两江人工智能学院、重庆理工大学两江人工智能学院 |
更多格式 | 高清、无水印(增值服务) |