Learning Efficient Convolutional

• 目标：压缩模型尺寸，降低运行时的内存占用，降低计算复杂度，不损失模型精度
• 方法：channel-level压缩
  • 利用BN层的gamma参数作为scaling factor，用来评估channel的重要性

L=\sum_{(x,y)}l(f(x,W),y)+\gamma\sum_{\gamma \in \Gamma}g(\gamma)

- l(.)：模型损失函数
- g(.)：L1损失，用来评判稀疏度

channel level pruning flow chart

• paper
• 官方github
• githubyolov3瘦身80%，用于手部检测