《表2 YOLOv3、Slim YOLOv3和剪枝模型在Vis Drone-Det数据集上的测试结果》
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。
图表编号 | XD00192406300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.18 |
作者 | 王睿旸、施欣妤、陈伟、陆科名、陈曦珑 |
绘制单位 | 上海市刑事科学技术研究院、上海市刑事科学技术研究院、上海市刑事科学技术研究院、上海市刑事科学技术研究院、上海市刑事科学技术研究院 |
更多格式 | 高清、无水印(增值服务) |