摘要
本发明公开了一种低精度损失的图像检测模型压缩方法,包括如下步骤:获取图像数据集、待压缩的学生模型和教师模型;对学生模型进行结构裁剪,得到裁剪后的学生模型;使用训练数据集分别对教师模型和裁剪后的学生模型进行训练,并在训练过程中使用教师模型对裁剪后的学生模型进行知识蒸馏,得到蒸馏后的学生模型;使用测试集分别对裁剪后的学生模型和蒸馏后的学生模型进行测试,并根据测试结果,调整蒸馏后的学生模型的损失函数;当剪枝率满足预设剪枝率时,输出蒸馏后的学生模型,否则,重复步骤S2‑S4。本发明可以有效保证预备部署的学生模型被裁剪到指定剪枝率的同时,相较于未剪枝之前提升剪枝之后的学生模型的精度。
技术关键词
特征提取模块
学生
教师
蒸馏
图像检测模型
数据
对象
模型压缩
像素点
精度
输入模块
尺寸
索引
列表
场景
算法
通道
系统为您推荐了相关专利信息
骨龄预测方法
深度学习模型
骨骼特征
图像
医学影像分析技术
画像构建方法
多层感知机
指数
正则化策略
画像构建系统
三维设计模型
新能源汽车
加工余量
三维扫描数据
偏差
可见光图像
图像融合方法
图像融合算法
语义特征提取
融合策略
数据加密方法
椭圆曲线密码
生成共享密钥
认证标签
计算机可读指令