权重梯度联合剪枝网络

小网络精度不降

同时利用连接权重与梯度判断重要性，并考虑训练动态，在低稀疏度下保留关键连接，避免早期误删。

赵昶辰 · Shunhao, Zhang · Pengcheng, Cao · Cheng, Shichao · 张建海

Expert Systems with Applications 2025

技术优势

不会误删关键连接

联合权重与梯度判断连接重要性，避免仅凭单一指标在训练早期误删关键连接。

小网络也能剪

在DeeprPPG和PhysNet等小网络上进行细粒度剪枝，仍能保持精度。

相同精度更省资源

在达到相同精度时，本方法比现有剪枝方法具有更低的稀疏度、更少的参数量和FLOPs。

应用场景

• 边缘设备生理监测：剪枝后的模型更小、更快，适合部署在边缘设备上实时监测生理信号。
• 可穿戴健康监测：模型轻量化后可运行在可穿戴设备上，实现低功耗的连续健康监测。
• 资源受限设备推理：剪枝减少计算量，使rPPG算法能在内存和算力受限的设备上运行。
• 移动端rPPG：模型变小后可在移动端实现实时rPPG测量，无需网络上传。