面向目标检测的定位感知通道剪枝
计算机视觉与模式识别
2020-03-03 v3
摘要
通道剪枝是深度模型压缩的重要方法之一。现有剪枝方法大多聚焦于分类任务，极少对目标检测进行系统性研究。然而，目标检测不同于分类，其不仅需要语义信息，还需要定位信息。本文在面向分类的当前最优剪枝方法——判别感知通道剪枝（DCP）的基础上，提出一种定位感知辅助网络，以找出对分类与回归具有关键信息量的通道，从而可直接针对目标检测进行通道剪枝，节省大量时间与计算资源。为捕获定位信息，我们首先设计带有上下文ROIAlign层的辅助网络，该层可通过像素对齐获得默认框的精确位置信息，并在剪枝浅层时扩大默认框的感知野。随后，我们针对目标检测任务构建损失函数，倾向于保留包含分类与回归关键信息的通道。大量实验证明了方法的有效性。在MS COCO上，我们基于ResNet-50的SSD剪枝了70%的参数且精度下降较小，优于现有最优方法。
引用
@article{arxiv.1911.02237,
title = {Localization-aware Channel Pruning for Object Detection},
author = {Zihao Xie and Wenbing Tao and Li Zhu and Lin Zhao},
journal= {arXiv preprint arXiv:1911.02237},
year = {2020}
}