论文部分内容阅读
为进一步加速基于深度学习的目标检测模型,采用通道裁剪的方法对YOLOv3模型进行瘦身。首先选取卷积神经网络模型中可以裁剪的卷积层,通过对BN层参数进行稀疏化训练;其次,对BN层参数排序以获得可以裁剪的通道;然后依据参数范围裁剪模型;最后对裁剪后的模型进行微调。在X光图像数据集上进行试验,瘦身后的模型mAP@0.5值提高2%,预测过程提速16.67%。实验证明,在X光检测任务中,裁剪后的YOLOv3模型依然可以减少部分过拟合现象并提高准确率和预测速度,保证了本文模型的实用性。