技术特征：
1.一种图像识别网络模型剪枝方法，其特征在于，包括：获取训练数据集和图像识别网络模型；将所述训练数据集输入所述图像识别网络模型，得到所述图像识别网络模型中每个卷积核对应的输出特征图；对所述输出特征图进行降维，得到每个卷积核对应的降维特征图；对所述降维特征图进行聚类得到聚类信息；根据所述降维特征图得到每个卷积核对应的剪枝指标；根据所述剪枝指标和所述聚类信息对所述图像识别网络模型进行剪枝，得到轻量化图像识别网络模型。2.根据权利要求1所述的图像识别网络模型剪枝方法，其特征在于，所述训练数据集包括：训练图像样本和对应标签，所述将所述训练数据集输入所述图像识别网络模型，得到所述图像识别网络模型中每个卷积核对应的输出特征图，包括：计算所述训练数据集中所述训练图像样本的图片平均值；将所述图片平均值输入所述图像识别网络模型，得到所述图像识别网络模型中每个卷积核对应的输出特征图。3.根据权利要求2所述的图像识别网络模型剪枝方法，其特征在于，所述输出特征图为输出矩阵，所述对所述输出特征图进行降维，得到每个卷积核对应的降维特征图，包括：利用主成分分析法计算所述输出矩阵的特征值和对应的特征向量；选取所述特征值最大的所述特征向量作为所述输出特征图对应的降维特征图。4.根据权利要求2所述的图像识别网络模型剪枝方法，其特征在于，所述对所述降维特征图进行聚类得到聚类信息，包括：获取每个所述降维特征图中点的密度值；根据局部密度值、高局部密度点的距离以及对应的预设距离阈值，从所述密度值中选取得到至少一个聚类中心；根据所述聚类中心的聚类条件对所述降维特征图中点进行聚类，得到至少一个聚类类别。5.根据权利要求4所述的图像识别网络模型剪枝方法，其特征在于，所述根据所述降维特征图得到每个卷积核对应的剪枝指标，包括：获取每个所述卷积核中每个通道对应的通道缩放因子；利用每个所述卷积核的模型权重和所述通道缩放因子对所述图像识别网络模型进行训练，以调整所述通道缩放因子；对调整后的所述通道缩放因子进行排序，得到每个卷积核对应的所述剪枝指标。6.根据权利要求5所述的图像识别网络模型剪枝方法，其特征在于，所述根据所述剪枝指标和所述聚类信息对所述图像识别网络模型进行剪枝，得到轻量化图像识别网络模型，包括：对同一聚类类别，仅保留所述聚类类别的所述聚类中心对应的所述卷积核的模型权重；根据所述剪枝指标剪除所述卷积核中对应的通道，得到所述轻量化图像识别网络模型。
7.根据权利要求6所述的图像识别网络模型剪枝方法，其特征在于，所述对同一聚类类别，仅保留所述聚类类别的所述聚类中心对应的所述卷积核的模型权重，得到所述轻量化图像识别网络模型，还包括：根据所述聚类中心对应的所述卷积核生成基础特征图；根据所述基础特征图生成相似特征图；利用所述基础特征图和所述相似特征图，调整所述轻量化图像识别网络模型。8.根据权利要求1至7任一项所述的图像识别网络模型剪枝方法，其特征在于，获取所述图像识别网络模型后，还包括：对所述图像识别网络模型进行模型优化，所述模型优化包括：宽度优化、深度优化或分辨率优化中至少一种。9.一种图像识别网络模型剪枝装置，其特征在于，包括：获取模块，用于获取训练数据集和图像识别网络模型；输出特征图获取模块，用于将所述训练数据集输入所述图像识别网络模型，得到所述图像识别网络模型中每个卷积核对应的输出特征图；降维特征图获取模块，用于对所述输出特征图进行降维，得到每个卷积核对应的降维特征图；聚类模块，用于对所述降维特征图进行聚类得到聚类信息；剪枝指标计算模块，用于根据所述降维特征图得到每个卷积核对应的剪枝指标；剪枝模块，用于根据所述剪枝指标和所述聚类信息对所述图像识别网络模型进行剪枝，得到轻量化图像识别网络模型。10.一种计算机设备，其特征在于，包括处理器以及存储器；所述存储器用于存储程序；所述处理器用于根据所述程序执行如权利要求1至8中任一项所述的图像识别网络模型剪枝方法。11.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求1至8中任意一项所述的图像识别网络模型剪枝方法。
技术总结
本发明实施例提出一种图像识别网络模型剪枝方法、装置、设备及存储介质，涉及图像处理技术领域，其中方法包括：获取训练数据集和图像识别网络模型，得到图像识别网络模型中每个卷积核对应的输出特征图，对输出特征图进行降维，得到每个卷积核对应的降维特征图，对降维特征图进行聚类得到聚类信息，根据降维特征图得到每个卷积核对应的剪枝指标，根据剪枝指标和聚类信息对图像识别网络模型进行剪枝，得到轻量化图像识别网络模型。本实施例在不降低准确率指标和模型泛化能力的前提下，降低图像识别网络模型的复杂度和参数量，减少运算资源的占用量，提升模型在资源受限设备上的运行速度，扩展图像识别网络模型的应用范围。扩展图像识别网络模型的应用范围。扩展图像识别网络模型的应用范围。
技术研发人员：张晗 柴璐晓 谢中建
受保护的技术使用者：深圳大学
技术研发日：2021.12.09
技术公布日：2022/4/15