- 博客(2)
- 收藏
- 关注
RSS订阅转载 如何让你的YOLOV3模型更小更快？
1. 前言 之前讲过关于模型剪枝的文章深度学习算法优化系列七 | ICCV 2017的一篇模型剪枝论文，也是2019年众多开源剪枝项目的理论基础 并分析过如何利用这个通道剪枝算法对常见的分类模型如VGG16/ResNet/DenseNet进行剪枝，见深度学习算法优化系列八 | VGG，ResNet，DenseNe模型剪枝代码实战 ，感兴趣的可以去看看。这篇推文主要是介绍一下如何将这个通道剪枝算法应用到YOLOV3上，参考的Github工程地址为：https://github.com/Lam1360/YOL
2020-08-13 17:07:12
1783
3
转载 YOLOv3通道+层剪枝，参数压缩98%，砍掉48个层，提速2倍！
尽管目标检测新算法层出不穷，但在实际工程项目中不少52CV群友还是念着YOLOv3的好。将其部署到边缘设备等时，模型剪枝是非常有必要的，毕竟有原始模型有239M的参数，剪枝后往往也能提速不少。 比如之前52CV曾经分享过： YOLOv3模型剪枝，瘦身80%，提速100%，精度基本不变 YOLOv3剪枝再升级！ 上述剪枝是减少模型通道数，而今天向大家介绍的工程可以实现通道和层的双向剪枝，在oxford hand 数据集hand检测问题中，作者实验中可以实现精度下降很小而参数减少 98%，砍掉 48 个
2020-08-12 21:27:14
2040
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人