用于实时息肉分割的神经网络剪枝
计算机视觉与模式识别
2023-06-26 v1
摘要
由于深度学习模型的有效性，计算机辅助治疗已成为医学影像学中一个可行的应用。实时推理速度仍是此类应用协助医务人员的关键要求。尽管性能与模型规模之间通常存在权衡，但已有令人印象深刻的努力通过牺牲模型规模来保持接近原始的性能。神经网络剪枝已成为一个令人振奋的领域，旨在消除冗余参数以加快推理速度。在本研究中，我们展示了神经网络剪枝在息肉分割中的应用。我们计算卷积滤波器的重要性分数并移除分数最低的滤波器，在某一剪枝值范围内这不会使性能下降。为计算重要性分数，我们使用泰勒一阶（TaylorFO）近似来估计移除特定滤波器时网络输出的变化。具体而言，我们采用梯度归一化反向传播来计算重要性分数。通过在息肉数据集上的实验，我们验证了我们的方法能在保持相似性能的同时显著减少参数量和 FLOPs。
引用
@article{arxiv.2306.13203,
title = {Neural Network Pruning for Real-time Polyp Segmentation},
author = {Suman Sapkota and Pranav Poudel and Sudarshan Regmi and Bibek Panthi and Binod Bhattarai},
journal= {arXiv preprint arXiv:2306.13203},
year = {2023}
}