《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》
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。
图表编号 | XD0035549700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 张雲轲、刘丹 |
绘制单位 | 电子科技大学电子科学技术研究院、电子科技大学电子科学技术研究院 |
更多格式 | 高清、无水印(增值服务) |
查看“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”的人还看了
- 表2 特征选择后不同分类器的分类性能比较Tab.2 Comparison of classification performance of different classifiers after feature selection