《表2 YOLOv3、Slim YOLOv3和剪枝模型在Vis Drone-Det数据集上的测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种适合无人机部署的轻量级YOLO剪枝模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

微调之后的得到了最终的模型，提出的模型与对照模型的性能对比如表2所示。表2中的YOLOv3-SPP模型为YOLOv3官方项目收录的一个改进版，Slim Y鄄OLOv3-50为Slim YOLOv3作者给出的50%通道剪枝的模型，Slim YOLOv3-90为Slim YOLOv3作者给出的90%通道剪枝的模型，模型-85-12为本文工作按照上述方法进行85%通道剪枝以及12层层剪枝的模型。表2中YOLOv3-SPP模型及模型-85-12模型的测试结果为工作在本实验平台上的实测，Slim YOLOv3-50及Slim Y鄄OLOv3-90模型测试结果为Slim YOLOv3的理论数据。由于Slim YOLOv3论文没有公开训练好的模型，工作未能在本实验环境中实测Slim YOLOv3的FPS，所以表2中没有列出Slim YOLOv3的FPS。提出的剪枝策略训练出的模型，在参数量、模型大小、精度方面都优于Slim YOLOv3模型，对比YOLOv3-SPP，在模型精度不降低的前提下，模型参数量降低94.8%、模型大小降低94.3%、推断速度大幅提升。