1.一种检测模型压缩方法,其特征在于,包括:
对获取的待检测图片按照预设的图片尺寸进行缩放处理,得到标准图像;
将各所述标准图像输入初始检测模型,计算所述初始检测模型中特定卷积层中各个通道的损失梯度值;
根据各个通道的损失梯度值以及特定卷积层对应的删除比例,对各所述特定卷积层进行剪枝处理,得到压缩后的检测模型。
2.根据权利要求1所述的方法,其特征在于,所述初始检测模型包括候选框生成网络、候选框筛选网络和输出网络;所述特定卷积层包括所述输出网络中的所有卷积层。
3.根据权利要求2所述的方法,其特征在于,所述根据各个通道的损失梯度值以及特定卷积层对应的删除比例,对各所述特定卷积层进行剪枝处理,得到压缩后的检测模型包括:
将所述输出网络中的所有卷积层按照损失梯度值升序的排列,删除每个卷积层中前70%的通道,得到压缩后的输出网络;
将压缩后的输出网络的第一个全连接层修改为卷积层,得到压缩后的检测模型。
4.根据权利要求3所述的方法,其特征在于,所述特定卷积层还包括所述候选框筛选网络中的所有卷积层;
相应的,所述根据各个通道的损失梯度值以及特定卷积层对应的删除比例,对各所述特定卷积层进行剪枝处理,得到压缩后的检测模型还包括:
将所述候选框筛选网络中的所有卷积层按照损失梯度值升序的顺序排列,删除每个卷积层中前50%的通道,得到压缩后的候选框筛选网络;
将压缩后的候选框筛选网络的第一个全连接层修改为卷积层,得到压缩后的检测模型。
5.根据权利要求1-4任意一项所述的方法,其特征在于,在所述根据各个通道的损失梯度值以及特定卷积层对应的删除比例,对各所述特定卷积层进行剪枝处理,得到压缩后的检测模型之后还包括:
对压缩后的检测模型中的特定参数进行量化,从而实现对所述检测模型的再次压缩。
6.一种检测模型压缩装置,其特征在于,包括缩放单元、计算单元和压缩单元;
所述缩放单元,用于对获取的待检测图片按照预设的图片尺寸进行缩放处理,得到标准图像;
所述计算单元,用于将各所述标准图像输入初始检测模型,计算所述初始检测模型中特定卷积层中各个通道的损失梯度值;
所述压缩单元,用于根据各个通道的损失梯度值以及特定卷积层对应的删除比例,对各所述特定卷积层进行剪枝处理,得到压缩后的检测模型。
7.根据权利要求6所述的装置,其特征在于,所述初始检测模型包括候选框生成网络、候选框筛选网络和输出网络;所述特定卷积层包括所述输出网络中的所有卷积层。
8.根据权利要求7所述的装置,其特征在于,所述压缩单元包括删除子单元和修改子单元;
所述删除子单元,用于将所述输出网络中的所有卷积层按照损失梯度值升序的排列,删除每个卷积层中前70%的通道,得到压缩后的输出网络;
所述修改子单元,用于将压缩后的输出网络的第一个全连接层修改为卷积层,得到压缩后的检测模型。
9.一种检测模型压缩装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至5任意一项所述检测模型压缩方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述检测模型压缩方法的步骤。