.png){kind=icon}
返回
Exploring Dual Coupledness for Effective Pruning in Object Detection
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-024-11697-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
剪枝为压缩部署在资源受限设备上的模型提供了一种高效的方法。在本文中，我们介绍了一种名为Dual-Coupledness Object Detection Pruning (DCODP)的新型方法，该方法专门针对目标检测模型设计。考虑到模型耦合的复杂性，我们的算法利用深度优先搜索方法来识别模型内的层间耦合。然后，它将具有相同父层的子层分组到一起。对于具有强耦合的特征图，其在层内进行滤波器剪枝，并对其他耦合层中的对应索引应用相同的剪枝操作。为了证明我们方法的有效性，我们在PASCAL VOC2007、PASCAL VOC2012和MS COCO2017上进行了大量实验。结果表明，我们的DCODP在参数数量上实现了显著的50%减少，并且平均取得了超过70%的优异得分。
Keyword:
Object detection
Model compression
Filter pruning
Coupling
期刊
IF:
2.8
论文数:
176
被引数:
5.5K
机构
引用论文
.png){kind=icon}
查看更多内容