基于层次化动态融合网络剪枝的动作识别模型轻量化方法

本发明公开了一种基于层次化动态融合网络剪枝的动作识别模型轻量化方法。首先对原始视频均匀采样获得RGB帧序列，构建初始动作识别模型；设计多粒度计算图编码模块，根据当前各粒度网络参数的冗余度，加权随机选取剪枝粒度，利用各粒度参数输出特征图的频域相似性动态刻画层间参数关系，从而生成对应的层次化图结构；接着，利用自适应剪枝融合模块搜索图中的关键路径动态修剪冗余参数节点；最后，对剪枝的动作识别模型微调优化，得到轻量化动作识别网络。本发明不仅能评估网络参数刻画时序依赖的能力，又能自适应调整剪枝位置、剪枝粒度以及剪枝比例，提高了动作识别模型推理速度、减少了模型参数量、有利于动作识别模型的轻量化部署。