一种用于分类任务的视觉理解模型的通道剪枝方法及应用

本发明属于视觉理解技术领域，公开了一种用于分类任务的视觉理解模型的通道剪枝方法及应用，方法包括：采用基于散度的通道重要性函数计算已训练好的视觉理解模型中每个通道的重要性值；其中，所述基于散度的通道重要性函数为所述视觉理解模型中各通道输出特征图所对应的样本分布的标准差与变异系数的乘积，且所述变异系数等于所述样本分布的标准差与所述样本分布的数学期望的比值；所述样本分布的标准差用于反映样本之间的分散程度；将各通道的重要性值排序，从重要性值低的通道开始，对对应的通道进行剪枝，直至满足所述视觉理解模型所需的参数量和运算量为止，得到剪枝后的轻量化视觉理解模型。本发明能够在较高的剪枝率下提升模型的分类性能。