[发明专利]一种应用于目标检测的剪枝方法及终端

权利要求书

1.一种应用于目标检测的剪枝方法，其特征在于，包括步骤：

S1、对预设的目标检测算法进行训练直至收敛；

S2、根据收敛后的所述目标检测算法的深度神经网络模型中每一网络层的权重的范数确定每一网络层对应的剪枝比例；

S3、根据所述剪枝比例对其对应的网络层层内的所有通道的权重进行聚类，确定出每一网络层对应的聚类中心；

S4、根据每一网络层对应的聚类中心和剪枝比例对其所在的网络层层内的通道进行剪枝；

所述S4包括：

根据每一网络层对应的聚类中心确定其对应的网络层内每一通道的所有权重与所述聚类中心的最近距离之和：

式中，W_c,k1,k2表示卷积核中第c个通道位置为(k1，k2)对应的卷积权重，c取值范围为[1,C]，C表示当前网络层对应的通道总数，k1表示卷积的高度位置，k2表示卷积的宽度位置，K表示卷积的高度大小和宽度大小，D表示当前网络层利用预设聚类算法根据与当前网络层对应的剪枝比例确定出的k个聚类中心，D_j表示距离所述卷积权重W_c,k1,k2最近的聚类中心；

对计算出的每一网络层对应的各通道的所有权重与所述聚类中心的最近距离之和按照大小进行排序，得到每一网络层对应的排序后的最近距离之和序列；

根据每一网络层对应的剪枝比例和所述排序后的最近距离之和序列对每一网络层层内的通道进行剪枝。

2.根据权利要求1所述的一种应用于目标检测的剪枝方法，其特征在于，所述S2包括：

根据收敛后的所述目标检测算法的深度神经网络模型中每一网络层的权重的范数确定每一网络层对应的权重范数均值；

根据每一网络层对应的权重范数均值确定每一网络层对应的剪枝比例。

3.根据权利要求1或2所述的一种应用于目标检测的剪枝方法，其特征在于，还包括步骤：

S5、基于原始训练数据对剪枝后的所述预设的目标检测算法进行微调；

S6、判断微调后的所述预设的目标检测算法是否符合预设要求，若否，返回执行所述步骤S2至S5直至微调后的所述预设的目标检测算法符合预设要求。

4.根据权利要求1或2所述的一种应用于目标检测的剪枝方法，其特征在于，所述预设的目标检测算法包括Yolov3算法。

5.一种应用于目标检测的剪枝终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

S1、对预设的目标检测算法进行训练直至收敛；

S2、根据收敛后的所述目标检测算法的深度神经网络模型中每一网络层的权重的范数确定每一网络层对应的剪枝比例；

S3、根据所述剪枝比例对其对应的网络层层内的所有通道的权重进行聚类，确定出每一网络层对应的聚类中心；

S4、根据每一网络层对应的聚类中心和剪枝比例对其所在的网络层层内的通道进行剪枝；

所述S4包括：

根据每一网络层对应的聚类中心确定其对应的网络层内每一通道的所有权重与所述聚类中心的最近距离之和：

式中，W_c,k1,k2表示卷积核中第c个通道位置为(k1，k2)对应的卷积权重，c取值范围为[1,C]，C表示当前网络层对应的通道总数，k1表示卷积的高度位置，k2表示卷积的宽度位置，K表示卷积的高度大小和宽度大小，D表示当前网络层利用预设聚类算法根据与当前网络层对应的剪枝比例确定出的k个聚类中心，D_j表示距离所述卷积权重W_c,k1,k2最近的聚类中心；

对计算出的每一网络层对应的各通道的所有权重与所述聚类中心的最近距离之和按照大小进行排序，得到每一网络层对应的排序后的最近距离之和序列；

根据每一网络层对应的剪枝比例和所述排序后的最近距离之和序列对每一网络层层内的通道进行剪枝。