面向边缘设备部署的基于模型压缩的轻量目标检测器构建
计算机视觉与模式识别
2019-05-07 v1 图像与视频处理
摘要
为实现部署于边缘设备的轻量目标检测器，本文提出一种有效的模型压缩流程。该压缩流程由针对骨干网络的自动通道剪枝、针对分支层的固定通道删除以及用于引导学习的知识蒸馏组成。据此，Resnet50-v1d 在 ImageNet 上被自动剪枝并微调，得到紧凑的基础模型作为目标检测器的骨干。随后，利用所提压缩流程实现轻量目标检测器。例如，构建了模型大小=16.3MB、FLOPS=2.31G、mAP=71.2 的 SSD-300，其效果优于 SSD-300-MobileNet。
引用
@article{arxiv.1905.01787,
title = {Creating Lightweight Object Detectors with Model Compression for Deployment on Edge Devices},
author = {Yiwu Yao and Weiqiang Yang and Haoqi Zhu},
journal= {arXiv preprint arXiv:1905.01787},
year = {2019}
}
备注
lightweight detector, automatic channel pruning, fixed channel deletion, knowledge distillation