上海电力大学电子与信息工程学院, 上海 201000
针对在遥感飞机目标检测场景中轻量级算法难以兼顾准确性与实时性的问题, 提出了一种基于YOLOv4结构化剪枝的模型压缩方法。为了使锚框参数更加符合遥感数据集并发挥网络多尺度检测的优势, 采用K-means++算法对数据集进行锚框聚类分析, 并设计尺度自适应调整, 抑制小目标过多以及目标大小接近造成的锚框冗余。此外, 为了减少模型参数量, 利用归一化层中的缩放因子γ进行L1稀疏正则化, 重新评估滤波器及卷积核权重, 对特征信息较少的通道进行迭代剪枝, 然后微调剪枝模型恢复精度。实验结果表明, 剪枝后模型参数量压缩了93.1%, 检测速度比原模型提升2.46倍, 能够在保证检测准确性的同时有效提升检测实时性。
遥感检测 飞机 锚框聚类 模型剪枝 remote sensing detection aircraft anchor frame clustering model pruning
