道路目标检测
案例介绍
道路目标检测
案例介绍
利用剪枝优化技术对基于YOLOv4的道路目标检测模型进行轻量化处理，具体是利用L1正则化对BN层中γ参数进行稀疏，利用稀疏后的γ参数的通道选择能力对模型中不重要的通道进行剪枝，从而达到对模型轻量化的目的。由于预训练、稀疏训练和微调过程存在不稳定的情况，对原有的恒定学习率训练模式调整为每隔5个epoch将学习率下调10倍的训练模式，通过这种方式使得预训练、稀疏训练和微调过程得以正常运行，并在剪枝完成后减小了模型计算量和参数量，减少模型对硬件资源的消耗，进而保证实时性，同时还保证平均精度不下降或者下降的幅度在可接受的范围内。
案例图片
相似案例推荐
-
养老软件
独立开发前后台功能，使用fastadmin框架，包含产品需求
-
企业级聊天机器人对话系统
前台基于Java springboot实现，连接MySQL数
-
基于多模态的王者荣耀AI
利用多模态预训练模型让AI自己打王者荣耀，预训练过程为mas
-
某公司标注AI平台
负责AI平台的设计、框架、开发、运维，提供文本标注、模型测试
-
luft(借电)
功能：App扫码借充电宝 项目：主要模块四个，借充电宝，购
-
AI光伏缺陷检测
工业界的光伏电池片的质检完全依赖于人力，且判定标准因人而异，
1小时精推人才
需求方专属客服，免费梳理匹配
