《表2 通道剪枝与层剪枝前后效果对比》

  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

《面向智慧生物实验室的弱外观多目标轻量级跟踪网络》

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

压缩之后，网络参数量及推理时间等如表2所示。实验时，使用的数据集是从公开数据集中随机提取的只含有person类别的图片，训练集有5 000张，测试集1 300张。表2中，当压缩比例为50%时，仅对网络模型进行了通道裁剪，其网络参数量减少了57%，推理速度提升了近66%，网络精度相比原模型也略有提升。压缩比例为95%时，对网络模型进行了进一步的通道裁剪，同时也对网络层数进行了裁剪。此时，网络参数量减少了将近99%，推理速度提升了70%，而网络精度也仅仅只是降低了8.5%。因此，当该网络部署到嵌入式设备上时，在确保精度的前提下大大提高了物体检测速度。