作者 | Kai Han, Yunhe Wang 等
编译 | Conv
出品 | AI 科技大本营(rgznai100)
受限于内存空间和计算资源, 将卷积神经网络部署到嵌入式设备中会比较困难. CNNs 中特征图的冗余性是保证其成功的关键, 但是在神经网络的结构设计中却鲜有研究.
本文提出了一个全新的 Ghost 模块, 旨在通过极其小的代价操作生成更多更丰富的特征图. 基于一组固有的特征图, 作者应用一系列线性变换, 以很小的代价生成许多能充分揭示固有特征信息的虚特征图(Ghost feature maps).
新提出的 Ghost 模块可以作为一个即插即用的组件来升级现有的卷积神经网络, 通过将 Ghost 模块堆叠得到 Ghost bottlenecks, 然后就可以轻易的构建出轻量级的 Ghost 网络 --GhostNet. 实验证明了 Ghost 替代传统卷积层的有效性, 在 ImageNet 分类数据集上, 与 MobileNet v3 相比, GhostNet 在相似计算复杂度的情况下, top-1 上的正确率达到 75.7% .
- https://github.com/iamhankai/ghostnet.pytorch
- (* 本文由 AI 科技大本营编译, 转载请联系微信 1092722531)
- [end]
来源: http://www.tuicool.com/articles/YfUFzyR