基于多级特征去相关的目标检测与分割剪枝方法及系统

本发明涉及深度学习技术领域，提供一种基于多级特征去相关的目标检测与分割剪枝方法及系统，包括在网络模型训练过程中对网络各级层隐特征之间的相关性添加约束条件进行约束训练，用于优化网络减少特征冗余；基于约束训练的网络模型，计算网络模型中卷积层各卷积核的模值；根据预设的剪枝率，对卷积核的模值进行排序，并按照剪枝比例剪除模值较小的卷积核及其对应的参数和连接，减少冗余参数；通过在测试图像集上对剪枝后的网络模型计算评估结果衡量剪枝效果；循环执行直至满足预设指标。本发明有效解决了现有剪枝方法中模型性能不稳定、冗余特征去除不彻底以及剪枝效果难以控制的问题，从而提升了剪枝的精准性和效率。