面向煤矿安全监测边缘计算的YOLOv5s剪枝方法
作者
陈志文1， 陈嫒靓霏1， 唐晓丹1， 柯浩彬1， 蒋朝辉1， 肖菲2
作者单位
1. 中南大学 自动化学院，湖南 长沙 410083；2. 长沙长信信息科技有限公司，湖南 长沙 410083
一
研究背景
将基于深度卷积神经网络（CNN）的目标检测方法部署在矿端边缘计算设备上并开展实时检测任务是一个具有挑战性的工作。提出了一种面向煤矿安全监测边缘端的基于间接和直接重要性评价空间融合（IDESF）的YOLOv5s剪枝方法，实现对YOLOv5s网络的轻量化。
二
研究内容
首先对YOLOv5s网络中各模块的卷积层进行结构分析，确定自由剪枝层和条件剪枝层。其次，根据基于卷积核权重幅值和层相对计算复杂度的卷积核权重重要性得分为可剪枝层分配剪枝率。然后，基于卷积核直接重要性评价准则，将卷积层的间接输出重要性以缩放因子的形式引入直接重要性空间中，更新卷积核位置分布，构建包含卷积核输出信息和幅值信息的融合重要性评价空间。最后，借鉴topk投票的思想对中值滤波筛选冗余卷积核的流程进行优化，并用有向图的邻接矩阵中节点的入度来量化卷积核的冗余程度。
三
实验结果与分析
根据VOC2007测试集和MH−dataset 测试集上的实验结果，从平衡模型精度和轻量化程度的角度出发，剪枝率为50%的YOLOV5s_IDESF是最优的轻量级YOLOv5s。将剪枝率为50%的YOLOv5s_IDESF, YOLOv5s_FPGM和YOLOv5s_SFP，与基于结构重组的YOLOv5s−ghostnet和基于架构搜索的YOLOv5s_eagleEye进行对比，验证了YOLOv5s_IDESF的综合性能最优。
VOC2007测试集上各模型性能比较
MH-dataset测试集上各模型性能比较
作者简介
陈志文（1986—），男，湖南永州人，副教授，博士研究生，研究方向为工业数据智能解析、机器视觉， E-mail：zhiwen.chen@csu.edu.cn。
引用格式
陈志文，陈嫒靓霏，唐晓丹，等. 面向煤矿安全监测边缘计算的 YOLOv5s 剪枝方法[J]. 工矿自动化，2024，50（7）：89-97.
CHEN Zhiwen,CHEN Ailiangfei, TANG Xiaodan, et al. YOLOv5s pruning method for edge computing of coal mine safety monitoring[J]. Journal of Mine Automation，2024，50（7）：89-97.
扫码阅读全文
