一种面向分布外场景图像识别的稳健模型压缩方法

本发明公开一种面向分布外场景图像识别的稳健模型压缩方法，一方面使用训练数据微调模型参数，继承分布内样本表征能力，另一方面结合避免过拟合方法，使用稀疏优化筛选参数保证对分布外样本的泛化能力，技术易实现、通用性较强。主要步骤包括：预剪枝阶段在特征处理部分和最终分类层前加入Dropout，并引入L1正则项调整原模型结构，增强稀疏性的同时避免后续剪枝造成过拟合；剪枝阶段屏蔽Dropout层，使用泰勒展开式评估所有参数在置零前后对模型损失的影响大小作为重要性指标；基于评估结果和压缩比，去掉重要程度最低的参数；最后通过微调恢复模型性能。评估参数和微调同时进行，不断根据当前参数做出评估，以适应参数调整带来的重要性变化。