可见光-红外图像融合示意图 当前红外-可见光融合方法[224]主要分为传统方法（图像分解、稀疏表示等）和基于深度 学习的方法[基于自编码器（auto-encoder, AE）的方法[225]、基于 GAN 的方法[226]、基于 Tra nsformer 的方法等]。2019 年马佳义研究组[227]开发了 FusionGAN 融合模型，该研究创新性 地将生成对抗网络引入多模态图像融合任务，利用生成器同时保留红外目标显著性特征与可 Introduction to deep learning: From logical cal culus to artificial intelligence, 2018: 153-163. [226] Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial networks[J]. Communications 全放弃了剪枝后的微调步骤，转 而将重点放在优化剪枝过程本身，以确保在剪枝时能最大程度地保留模型性能。根据被移除 的组件粒度和结构化程度，剪枝方法通常可以分为两种类型：非结构化剪枝和结构化剪枝[226]， 如图 2.16 所示。 xxx -138- 图 2.16 剪枝方法示例 1. 非结构化剪枝 非结构化剪枝（unstructured pruning）：是一种以权重为最小粒度的剪枝方法，其特点