面向自动驾驶深度视觉检测器的视觉显著性引导通道剪枝
计算机视觉与模式识别
2023-03-07 v1
摘要
深度神经网络（DNN）剪枝已成为在资源受限设备上部署的事实标准组件，因为它能在推理过程中减少内存需求和计算成本。特别是，通道剪枝因其结构化特性以及对通用硬件的直接节省而更受欢迎。然而，大多数现有剪枝方法使用的重要性度量与任务效用无直接关联。此外，文献中很少关注视觉检测模型。为填补这些空白，我们提出了一种用于视觉检测的基于梯度的显著性度量，并用其引导我们的通道剪枝。在KITTI和COCO交通数据集上的实验证明了我们的剪枝方法的有效性及相对于最先进竞争方法的优越性。它甚至可以用比原始模型更少的参数实现更好的性能。我们的剪枝在处理小尺度物体方面也展现出巨大潜力。
引用
@article{arxiv.2303.02512,
title = {Visual Saliency-Guided Channel Pruning for Deep Visual Detectors in Autonomous Driving},
author = {Jung Im Choi and Qing Tian},
journal= {arXiv preprint arXiv:2303.02512},
year = {2023}
}
备注
6 pages, 4 figures