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。
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。
整体结构:
最后
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。
发表评论 取消回复