MTP：面向高效语义分割网络的多任务剪枝
计算机视觉与模式识别
2022-08-30 v2 机器学习
图像与视频处理
摘要
本文关注语义分割网络的通道剪枝。先前在分类任务中压缩和加速深度神经网络的方法，由于涉及通过预训练实现的隐式多任务学习问题，无法直接应用于语义分割网络。为识别分割网络中的冗余，我们提出了一种多任务通道剪枝方法。每个卷积滤波器相对于任意层通道的重要性将由分类和分割任务同时确定。此外，我们提出了一种替代方案来优化整个网络中滤波器的重要性分数。在多个基准上的实验结果表明，所提算法优于最先进的剪枝方法。值得注意的是，在PASCAL VOC 2012数据集上仅约损失1% mIoU、在Cityscapes数据集上仅约损失1.3% mIoU的情况下，我们能在DeepLabv3上获得约的FLOPs削减。
引用
@article{arxiv.2007.08386,
title = {MTP: Multi-Task Pruning for Efficient Semantic Segmentation Networks},
author = {Xinghao Chen and Yiman Zhang and Yunhe Wang},
journal= {arXiv preprint arXiv:2007.08386},
year = {2022}
}