《表1 网络裁剪和重新训练后性能对比Tab.1 Performance comparison after network cutting and retraining》

  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

《基于小型Zynq SoC硬件加速的改进TINY YOLO实时车辆检测算法实现》

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

通过以上分析发现，对TINY YOLO网络进行移植时的主要计算量源于卷积层中的大量乘加运算，故考虑裁剪卷积层从而减少计算规模。通过观察TINY YOLO网络训练后的卷积核中的权值发现，该网络第3到第9层卷积层中存在着大量接近0的权值。通过对比实验发现，这样的网络稀疏性会带来少量的网络性能提升，但伴随着成倍的计算量的增加（表1）。故尝试在性能不会有过大减小的情况下，在网络训练前对TINY YOLO第3到第9层卷积层的输入卷积核个数进行裁剪，从而使得重新训练后得到的新网络（X-TINY YOLO）中接近于0的权值个数减少，最后得出缩小规模后的网络权值用于嵌入式移植。