RemoteTrimmer：面向遥感图像分类的自适应结构化剪枝
计算机视觉与模式识别
2024-12-20 v2
摘要
由于高分辨率遥感图像分类通常需要相对较高的计算复杂度，轻量级模型往往更实用且高效。模型剪枝是模型压缩的有效方法。然而，现有方法很少考虑遥感图像的特殊性，导致剪枝后出现显著的精度损失。为此，我们提出了一种用于遥感图像分类的有效结构化剪枝方法。具体而言，引入了一种放大模型通道重要性差异的剪枝策略。然后，为剪枝后模型的微调过程设计了一种自适应挖掘损失函数。最后，我们在两个遥感分类数据集上进行了实验。实验结果表明，我们的方法在压缩遥感分类模型后实现了最小的精度损失，取得了最先进的 性能。
引用
@article{arxiv.2412.12603,
title = {RemoteTrimmer: Adaptive Structural Pruning for Remote Sensing Image Classification},
author = {Guangwenjie Zou and Liang Yao and Fan Liu and Chuanyi Zhang and Xin Li and Ning Chen and Shengxiang Xu and Jun Zhou},
journal= {arXiv preprint arXiv:2412.12603},
year = {2024}
}