几个基于YOLO的剪枝pytorch项目
YOLOv3-model-pruning
https://github.com/Lam1360/YOLOv3-model-pruning
YOLOv3模型剪枝,瘦身80%,提速100%,精度基本不变
Introduction
-
以 eriklindernoren/PyTorch-YOLOv3(https://github.com/eriklindernoren/PyTorch-YOLOv3)为YOLOv3的Pytorch实现
-
参考论文 Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017)
【论文解析👀这个链接】Learning Efficient Convolutional Networks through Network Slimming
进行改进实现的 channel pruning算法 -
人手检测数据集 oxford hand 上做人手检测
剪枝算法步骤
以下只是算法的大概步骤,具体实现过程中还要做 s 参数的尝试或者需要进行迭代式剪枝等。
- 进行稀疏化训练
- 基于 test_prune.py 文件进行剪枝,得到剪枝后的模型
- 对剪枝后的模型进行微调
Results
- | 参数数量 | 模型体积 | Flops | 前向推断耗时(2070 TI) | mAP |
---|---|---|---|---|---|
Baseline (416) | 61.5M | 246.4MB | 32.8B | 15.0 ms | 0.7692 |