由分类损失与特征重要性引导的通道剪枝
计算机视觉与模式识别
2020-03-17 v1
摘要
在这项工作中，我们提出了一种称为由分类损失与特征重要性引导的通道剪枝（CPLI）的新的逐层通道剪枝方法。与现有的仅考虑如何从下一层重建特征的逐层通道剪枝方法不同，我们的方法在通道剪枝过程中额外考虑了分类损失。我们还观察到一些重建的特征将在下一个剪枝阶段被移除。因此重建这些特征是不必要的。为此，我们提出了一种新策略来抑制不重要特征（即将在下一个剪枝阶段被移除的特征）的影响。我们在三个基准数据集（即 CIFAR-10、ImageNet 和 UCF-101）上的综合实验证明了我们的 CPLI 方法的有效性。
引用
@article{arxiv.2003.06757,
title = {Channel Pruning Guided by Classification Loss and Feature Importance},
author = {Jinyang Guo and Wanli Ouyang and Dong Xu},
journal= {arXiv preprint arXiv:2003.06757},
year = {2020}
}
备注
AAAI2020