ShuffleNet--轻量级神经网络

75 阅读 0 评论 50 点赞

我是靠谱客的博主缥缈雪糕，这篇文章主要介绍ShuffleNet--轻量级神经网络，现在分享给大家，希望可以做个参考。

ShuffleNet采用channel shuffle、pointwise group convolutions和depthwise separable convolution修改原来的ResNet单元。

channel shuffle：
假设输入的feature map数量为N，卷积层的filter为M，将feature map和filter分为g个group，对每个group分别进行卷积，就可以大大降低计算量。
在这里插入图片描述

如果多个group操作叠加在一起，如Figure1（a）的两个卷积层都有group操作，显然就会产生边界效应
就是处于边界处的channel会丢失。

因此要引入channel shuffle，如图1（b）（c）。

pointwise group convolutions正如MobileNet中的pointwise convolutions，实际上是1×1卷积带有group操作，因此1×1卷积的计算量也有一定量。

depthwise separable convolution操作与MobileNet一样。

ShuffleNet的基本模块如下图。
在这里插入图片描述
整体结构：

以上就是缥缈雪糕最近收集整理的关于ShuffleNet--轻量级神经网络的全部内容，更多相关ShuffleNet--轻量级神经网络内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。