YOLOv5目标检测之网络剪枝实战
计算机视觉目标检测实战
Description
PyTorch版的YOLOv5是一个非常流行的基于深度学习的目标检测器。本课程使用Network Slimming剪枝方法对YOLOv5进行网络剪枝，使其更加轻量。
Network Slimming是一种经典的实用模型压缩方法，可实现高效的通道级别的结构化剪枝。该方法通过利用BN（Batch Normalization）层中缩放因子较小的值来剪裁的相应通道，达到精简网络的目的。步骤包括：增加稀疏正则化的训练、网络模型剪枝、剪枝后的网络模型微调。
本课程在YOLOv5 v6.1版本代码的基础上增加Network Slimming剪枝方法，在Windows和Ubuntu系统上演示针对自己的数据集训练和进行网络剪枝过程，并讲解原代码针对剪枝的修改部分。
本课程分为原理篇、实战篇、代码讲解篇。
原理篇包括：网络剪枝的基础知识、Network Slimming剪枝原理。
实战篇包括：PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、正常训练自己的数据集、稀疏化训练、网络模型剪枝、剪枝后的网络模型微调。
代码讲解篇包括：剪枝代码修改说明和具体修改的代码讲解。
What You Will Learn!
- 学习网络剪枝原理和步骤
- 掌握YOLOv5网络剪枝方法Network Slimming
- 学习针对自己数据集的正常训练和剪枝训练
- 学习原代码针对剪枝的修改部分
Who Should Attend!
- 希望学习YOLOv5的Network Slimming网络剪枝方法的学员