深度学习模型压缩方法及产品研究

在深度学习部署时面临算力不足的情况须进行模型压缩的背景下,主要研究模型压缩目前正在使用的方法,介绍每种方法背后使用到的算法以及方法组合产生的压缩提升效果,并分析各种方法的利弊。着重介绍市场上已有的几款模型压缩产品,对照已有的模型压缩方法,用来帮助已在线产品实现快速压缩和部署,减少开发及维护成本。

基于“检测+分类”模型融合的物体识别应用分析

物体识别作为自动驾驶、行为检测等算法的基础,具有相当重大的研究意义。通常物体识别分为两种做法:物体检测和物体识别。结合准确率以及目标物体定位这两点要求,提出了"检测+识别"双模型融合的物体识别算法应用,通过检测算法实现物体的定位,再将定位物体抠图后放入识别模型中进行物体分类,此方法在少量数据训练的情况下,同时兼顾了识别的准确率以及目标物体定位两个要求,很大程度提升了算法应用的实用性。