欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

無(wú)人機因為硬件計算能力較弱，要在其上實(shí)現實(shí)時(shí)的目標檢測，需要算法參數量小、占用內存少、推斷時(shí)間短。常見(jiàn)的算法往往難以直接應用。

一種比較直接的做法是對模型進(jìn)行剪枝，盡量減少模型卷積層不必要的通道。

今天arXiv新上論文SlimYOLOv3: Narrower, Faster and Better for Real-Time

UAV Applications，作者對YOLOv3的改進(jìn)版進(jìn)行了剪枝，在參數量、占用內存、推斷時(shí)間大幅減少的情況下，在無(wú)人機目標檢測數據集上實(shí)現了與原算法可比較的檢測精度。

作者已將代碼開(kāi)源，包含訓練和測試部分，值得從事相關(guān)工程開(kāi)發(fā)的朋友參考。

以下是作者信息：

作者全部來(lái)自北京理工大學(xué)。

下圖為作者發(fā)明的三種設置下的SlimYOLOv3 相比較基線(xiàn)版本的YOLOv3的結果：

YOLOv3-tiny 是YOLOv3的一種快速算法，但精度下降太多。

YOLOv3-SPP1 是YOLOv3加上SPP模塊的改進(jìn)，其比原始YOLOv3精度要高。

YOLOv3模型中加入SPP模塊的示意圖，作者是在原第5和第6卷積層之間加SPP模塊

YOLOv3-SPP3 是該文作者YOLOv3-SPP1的改進(jìn)，其有3個(gè)SPP模塊，比YOLOv3-SPP1精度更高，是本文模型剪枝的基礎模型。

SlimYOLOv3-SPP3-50/90/95，是YOLOv3-SPP3模型剪枝率分別為50%、90%、95%的三個(gè)模型。

可見(jiàn)模型剪枝可大幅改善模型在無(wú)人機上的部署，有一定的精度損失，但遠比YOLOv3-tiny要好。

剪枝過(guò)程

什么是深度模型的剪枝？就像論文名字中的更窄（Narrower），它是要減少模型通道數。

去除每個(gè)卷積層中不重要的特征通道。所以需要合理地評估特征通道的重要性。

下圖可以較為明了地說(shuō)明整個(gè)過(guò)程。

YOLOv3經(jīng)過(guò)稀疏訓練，得到各通道的尺度因子，然后去除那些尺度因子小的通道，將剪枝得到的模型SlimYOLOv3在數據集上進(jìn)一步微調，得到檢測結果，然后進(jìn)入下一輪的稀疏訓練。以上剪枝過(guò)程是迭代重復的，直到滿(mǎn)足一定的模型條件，比如模型剪枝率達到一定要求。

實(shí)驗結果

作者通過(guò)上述方法，在配置為 Intel(R) Xeon(R) E5-2683 v3 CPU @ 2.00GHz (56 CPUs), 64GB RAM, 4 個(gè) NVIDIA GTX1080ti GPU的 Linux 機器上訓練，得到三個(gè)剪枝模型，并在無(wú)人機目標檢測數據集 VisDrone2018-Det上進(jìn)行了實(shí)驗，結果如下：

可見(jiàn)在精度稍有下降的情況下，推斷時(shí)間（Inference time）、參數量（Parameters）、內存占用（Volume）大幅減少，更適合在無(wú)人機部署。

下圖為各算法結果比較的柱狀圖，更加直觀(guān)。

檢測結果示例：

作者已將代碼開(kāi)源，各位讀者可以非常方便地進(jìn)行訓練和測試。

每個(gè)步驟僅需要一行命令！

原始模型訓練：

稀疏訓練：

通道剪枝：

模型微調：

論文地址：

https://arxiv.org/pdf/1907.11093v1.pdf

代碼地址：

https://github.com/PengyiZhang/SlimYOLOv3

感謝論文作者的分享！

更多閱讀：

移動(dòng)端70+fps！谷歌新出高效實(shí)時(shí)視頻目標檢測

ThunderNet：國防科大、曠視提出首個(gè)在A(yíng)RM上實(shí)時(shí)運行的通用目標檢測算法

YOLO-LITE:專(zhuān)門(mén)面向CPU的實(shí)時(shí)目標檢測