基于特征图的相关性和熵实现模型压缩的方法、装置、处理器及其计算机可读存储介质

本发明涉及一种基于特征图的相关性和熵实现模型压缩的方法，包括以下步骤：获取图像分类数据集，并进行预处理；获取网上已公开的卷积神经网络预训练模型；使用钩子函数HOOK获取卷积神经网络架构中卷积层中的输出特征图，并保存；计算特征图的相关性；计算特征图二维熵；加权融合剪枝；恢复性能。本发明还涉及一种基于特征图的相关性和熵实现模型压缩的装置、处理器及其计算机可读存储介质。采用了本发明的基于特征图的相关性和熵实现模型压缩的方法、装置、处理器及其计算机可读存储介质，有效减少卷积神经网络的时间成本和计算资源，应用于轻量级边缘设备。特征图中的信息丰富程度反映滤波器的重要程度，信息论中的熵很好地表现特征图中的信息量。