如何对经过训练的目标检测模型进行剪枝？

Posted 2023-02-16

【中文标题】如何对经过训练的目标检测模型进行剪枝？

【英文标题】：How to perform pruning on trained object detection model?

【发布时间】：2021-12-09 01:01:47

【问题描述】：

您好，我已经使用 tensorflow 1.14 对象检测 API 训练了对象检测模型，我的模型表现良好。但是，我想减少/优化模型的参数以使其更轻。如何在经过训练的模型上使用剪枝？

【问题讨论】：

你有充分的理由在 2021 年使用 TF1 和 Faster-RCNN 吗？更新的框架和检测器可能会为您提供更多的功能和灵活性。

我尝试过Yolo、SSD等新型号，但在我的问题上没有得到想要的结果。然而，由于两阶段网络，Faster RCNN 提供了更好的检测性能。我也用过TF2。 Faster RCNN 模型的问题在于推理速度。

是的，但是 Faster-RCNN 经历了一些改进。有明显的，例如用更新和更强的东西替换 VGG16 主干，例如 ResNeXt-101 和不太明显的，例如添加 FPN 层。我很确定 RetinaNet 与 Faster-RCNN 一样准确，但速度更快，对于 YOLOv4 甚至 YOLOv3 也是如此。都是一级检测器。

@SomethingSomething 感谢您的建议。您能否就我的问题进一步建议我。我实际上是在尝试检测路面上的裂缝，但问题是背景和裂缝颜色几乎相似。在这种情况下，哪种模型效果更好？我是这个领域的新手。

直观地说，没有一个模型比其他模型更适合此任务。问题是你的问题是什么样的。道路上的裂缝是否被训练数据集中的边界框包围？这些边界框是否看起来“典型”，即不是很长等。只要存在图案差异，相似的颜色就不是问题。你能用眼睛发现裂缝吗？如果可以，那么探测器也可以

【参考方案1】：

你查看过 Tensorflow 网站上的Pruning guide 吗？ 它有 concrete examples 关于如何修剪模型以及对大小和性能改进进行基准测试。