作者 | CV君

转载自我爱计算机视觉（ID: aicvml）

如果要在实际应用中部署目标检测，你会想到哪项算法？

在52CV目标检测交流群里，被提及最多的，恐怕就是YOLOv3了。

虽然新出的一些算法号称“完胜”“吊打”某某某算法，但YOLOv3 仍是被推荐最多的。

首先它有着目前为止还不错的精度表现，而且计算速度较快，适合在移动端、边缘设备部署。

另一个重要原因是，YOLOv3是被很多人使用验证过的模型，被某个数据库验证过的某算法精度好很重要，但被社区大量验证过效果OK的算法更重要。

今天向大家推荐一个Github新工程，对YOLOv3进行模型剪枝：

https://github.com/Lam1360/YOLOv3-model-pruning

这份代码是基于Python 3.6, PyTorch 实现的。

作者用 YOLOv3 做人手检测（在 oxford hand 数据集上训练的），并进行了模型剪枝，剪枝后YOLOv3 模型的参数量减少 80% ，FLOPs 降低 70%，推断的速度提高了100%，而 mAP 基本保持不变！

可谓是相当成功了！

剪枝前后的对比

    1. 部分卷积层的通道数大幅度减少

剪枝前后指标对比:

精度还略微上升了！

作者使用的剪枝算法来自：

Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017)

https://arxiv.org/abs/1708.06519

剪枝步骤也非常简单：

作者称，后续还会在其他数据集上做实验。

看来剪枝在实际应用部署时还真的很重要呢！

感谢该工程开源者Lam1360，欢迎给大佬加星～

（*本文为 AI科技大本营转载文章，转载请联系原作者）

“只讲技术，拒绝空谈！”2019 AI开发者大会将于9月6日-7日在北京举行，这一届AI开发者大会有哪些亮点？一线公司的大牛们都在关注什么？AI行业的风向是什么？2019 AI开发者大会，倾听大牛分享，聚焦技术实践，和万千开发者共成长。

目前，大会盲订票限量发售中~扫码购票，领先一步！

推荐阅读

• 大战三回合：XGBoost、LightGBM和Catboost一决高低 | 程序员硬核算法评测

• Hinton等人最新研究：大幅提升模型准确率，标签平滑技术到底怎么用?

• 智能文本信息抽取算法的进阶

• 入门必备 | 一文读懂神经架构搜索

• 印度人才出口：一半美国科技企业CEO是印度裔 | 数据分析中印青年

• 为什么说“大公司的技术顽疾根本挽救不了”

• 25 年 IT 老兵零基础写小说，作品堪比《三体》| 人物志

• 中小企业搭建混合云，服务器如何选？

• 从0到1 | 文本挖掘的传统与深度学习算法

• 一览微软在机器阅读理解、推荐系统、人机对话等最新研究进展 | ACL 2019

• 1.2w星！火爆GitHub的Python学习100天刷爆朋友圈！