Стратегия сжатия нейронных сетей семейства YOLOv5 для встраиваемых решений

Abstract

Технология обнаружения объектов всегда была одним из важных направлений исследований в области компьютерного зрения. Решения на основе искусственных нейронных сетей становятся все более совершенными и популярными. В данной работе произведена оценка результатов детектирования различных нейронных сетей на датасете MS COCO 2017. В качестве основы для дальнейшей оптимизации была выбрана сеть YOLOv5 и объединена с ShuffleNet V2 для ее облегчения. Производится оптимизация параметров сети, в результате которой количество параметров снижается более чем на 30%, но точность снижается всего на 4%. Далее проводится квантование полученной модели на основе методов, предоставленных фреймворком PyTorch. После квантования точность снижается от 2% до 5%