用于图像分类与目标检测的深层神经网络压缩
计算机视觉与模式识别
2019-10-08 v1
摘要
神经网络一直以计算开销大而闻名。这主要是因为神经网络常常被过度参数化，并且随着其加深变宽，极有可能存在冗余的节点或层。它们对硬件资源的需求阻碍了其在嵌入式设备中的广泛应用，并对实时图像分类或目标检测等任务施加了限制。在这项工作中，我们提出了一种与网络无关、结合新颖动态聚类方法的模型压缩方法，以降低深层神经网络的计算成本与内存占用。我们在五个不同的先进图像分类与目标检测网络上评估了新的压缩方法。在分类网络中，我们剪枝了约 95% 的网络参数。在如 YOLOv3 等先进检测网络中，我们提出的压缩方法将模型参数减少了多达 59.70%，从而以精度损失极小为代价实现了 110 倍的内存缩减。
引用
@article{arxiv.1910.02747,
title = {Deep Neural Network Compression for Image Classification and Object Detection},
author = {Georgios Tzelepis and Ahraz Asif and Saimir Baci and Selcuk Cavdar and Eren Erdal Aksoy},
journal= {arXiv preprint arXiv:1910.02747},
year = {2019}
}
备注
The first two authors contributed equally to this work