一种基于特征图通道重要性程度的深度学习目标检测网络压缩方法

摘要

为了解决传统深度学习网络压缩方法不适用于需要精确回归检测坐标的目标检测网络、方法泛用性差且对网络精度损失大的问题，通过将引入特征图通道级稀疏化概念，使压缩方法在可实现性和灵活性上实现较好的折中，能有效应用到任何典型的目标检测网络。本发明公开了一种基于特征图通道重要性程度的深度学习目标检测网络压缩方法，采取引入BN层gamma参数作为衡量特征图通道重要性程度因子的方法，通过在训练损失函数中加入该参数稀疏化因子，在几乎不损失网络检测精度情况下，实现对目标检测网络的参数压缩。