模型优化论文笔记5----采用shuffled block和group convolutional的MBNet(71K)用于AMC

《Multi-shuffled Convolutional Blocks for Low-complex Modulation Recognition》
论文地址：https://ieeexplore.ieee.org/document/9289170

1.主要思想：
提出一种MBNet网络，应用于AMC。网络由一系列带有残差连接的shuffle blocks（混洗块？）模块组成，每一个block由grouped convolutional layers分组卷积层和一个shuffling module组成。channel shuffling module是为了避免分组卷积层的无效组交互问题而提出的。除此之外，通过元素附加层从IQ信号中学习时空特征，建立从每一个混洗模块的输入到对应输出的残差连接。实验基于RadioML2018.01A数据集。
2.背景：
物联网设备数量的急剧增加，增加了主动攻击的可能性，从而导致了安全威胁的产生和较差的通信性能。AMC，可识别威胁并感知通信信道中信号的存在，被视为一种有效解决方法。
3.网络结构
MBNet由混洗块的级联组成，每个块包含逐点pointwise块和具有跳转连接skip connections的非对称asymmetrical卷积层。非对称卷积层的通道channel被随机洗牌以增强组与组之间的通信从而提高识别精度。
2x5卷积层学习通用特征，步长为1x2的2x2最大池化降低输入维度，一个pointwise卷积层（1x1）进一步学习，一个3x3分组卷积层（4组，每组16个通道）进行低成本的特征提取，一个BN批处理归一化层提高体系精度，一个ReLU层引入非线性。
然后连接第一个shuffled block。由两个pointwise1x1分组卷积层（接收前一层输入，采用稀疏连接以较低的计算成本处提取特征，但由于组交互的通信差会降低架构准确性），非对称卷积层（1x3和3x1分组卷积独立学习特征，后通过concatenation串联层进行融合），shuffling模块（增加通道数从而提高acc），最大池化层组成。
除此之外，跳转连接被用于shuffle模块的输入和element-wise additional元素附加层的输出之间。
总体上看，MBNet是三个shuffled blocks的串联。
图1代表总体结构，图2是shuffled block。

4.实验
实验了2，3，4个block对acc的影响。最终选择3个。
实验了相比于ResNet和VGG的性能，以及复杂度。

5.几点思考
（1）本文没有提供源代码。
（2）或可以借鉴分组卷积，1x1卷积，模块之间串联，模块内跳转的思想。
（3）本文说较低的计算代价来源于shuffled block，但并没有详细的解释是如何减少这一代价的，只是说源于pointwise，grouped的稀疏连接。

模型优化论文笔记5----采用shuffled block和group convolutional的MBNet(71K)用于AMC相关推荐

论文笔记《End-to-End Training of Hybrid CNN-CRF Models for Stereo》用于立体评估的端到端训练的混合CNN-CRF模型
论文作者提供的源码 https://github.com/VLOGroup 摘要: 1. 介绍 2. 相关工作 3. CNN-CRF 模型 3.1 Unary CNN 3.2 Correlation ...
论文笔记（三）：PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes
PoseCNN: A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes 文章概括摘要 1. ...
图像隐写术分析论文笔记：Deep learning for steganalysis via convolutional neural networks
好久没有写论文笔记了,这里开始一个新任务,即图像的steganalysis任务的深度网络模型.现在是论文阅读阶段,会陆续分享一些相关论文,以及基础知识,以及传统方法的思路,以资借鉴. 这一篇是Medi ...
当知识图谱遇上推荐系统之PippleNet模型（论文笔记二）
RippleNet | Propagating User Preferences on the Knowledge 类别:联合学习将知识图谱特征学习和推荐算法的目标函数结合,使用端到端(end-to ...
当知识图谱遇上推荐系统之DKN模型（论文笔记一）
Deep Knowledge-Aware Network for News Recommendation 类别:依次学习首先使用知识图谱特征学习得到实体向量和关系向量,然后将这些低维向量引入推荐系统 ...
基于Attention的机器翻译模型，论文笔记
论文题目:Neural Machine Translation by Jointly Learning to Align and Translate 论文地址:http://pdfs.semantic ...
当知识图谱遇上推荐系统之MKR模型（论文笔记三）
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation 类别:交替学习将知识图谱特征学习和推荐算法视为两个分离 ...
实体对齐算法_中英命名实体识别及对齐中的中文分词优化论文笔记
1.计算命名实体词汇对齐的置信度:对一个中英双语句对,中文在初始分词的基础上进行命名实体识别. 2.分词工具:采用中科院分词工具ICTCLAS.Stanford分词工具对中文句子进行分词,其中Stan ...
论文笔记-Depth Estimation via Affinity Learned with Convolutional Spatial Propagation Network
论文信息标题: Depth Estimation via Affinity Learned with Convolutional Spatial Propagation Network 作者:Xin ...

模型优化论文笔记5----采用shuffled block和group convolutional的MBNet(71K)用于AMC

模型优化论文笔记5----采用shuffled block和group convolutional的MBNet(71K)用于AMC相关推荐

最新文章

热门文章