EffNet: An Efficient Structure for Convolutional Neural Networks
EffeNet对MoblieNet网络进行改进,主要思想为:
首先,将MoblieNet的 3×3 3\times3的depthwise convolution层分解为两个 3×1 3\times1, 1×3 1\times3depthwise convolution层.这样便可以在第一层之后就采用pool操作,从而减少第二层的计算量.
如图1所示,在第一个卷积层之后,使用 1×2 1\times2 max pooling操作.在第二个卷积层之后,用 2×1 2\times1,stride=1的卷积核代替 1×1 1\times1pointwise convolution.这样计算量相同,但是可以有更高的精度.
作者试验了MobileNet,ShuffleNet,EffNet三种模块的分类网络,模型结构参数如下,
在Cifar10数据分类精度为,
EffNet large参数量基本与Baseline相同,精度提高接近8%.
EffNet: An Efficient Structure for Convolutional Neural Networks相关推荐
- 神经网络压缩(6):Exploring the Regularity of Sparse Structure in Convolutional Neural Networks
Exploring the Regularity of Sparse Structure in Convolutional Neural Networks 方法介绍 目的: 探索稀疏性和预测精度之间的 ...
- Exploring the Regularity of Sparse Structure in Convolutional Neural Networks(在卷积神经网络中探索稀疏结构的规律性)
作者提出 基于论文Learning both weights and connections for efficient neural network修剪的方法在保留精度以及实现更高的压缩率方面确实很 ...
- ShellNet:Efficient Point Cloud Convolutional Neural Networks using Concentric Shells Statics
1.文章总体概述 这篇文章是最近Iccv2019接收的一篇文章,主要做的工作是提出了一种可以用于直接处理3D空间中的点云数据的卷积算子ShellConv并基于此设计了一个ShellNet,可以用于分类 ...
- 手机CNN网络模型--MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications https://arxiv.org ...
- One-Pass Multi-task Convolutional Neural Networks for Efficient Brain Tumor Segmentation
method: 首先:用三个网络来训练,分别针对comlete区域,core区域,和enhancing区域(使用网络OM-net) 1.使用随机采样从MRI大脑图像中采块,训练,分类器分为5类,最后测 ...
- Implementing Pruning Convolutional Neural Networks for Resource Efficient Inference in Mxnet
一.代码分析: 参考pytorch代码对论文<Pruning Convolutional Neural Networks for Resource Efficient Inference> ...
- 论文阅读——ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks
ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks 改进版通道注意力 from CVPR2020 期 ...
- 【论文翻译】MobileNets: Efficient Convolutional Neural Networks for Mobile VisionApplications【v1, 2017.4】
文章目录 Abstract 1. Introduction 2. Prior Work 3. MobileNet Architecture 3.1. Depthwise Separable Convo ...
- MobileNetV1《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》
MobileNetV1<MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications> ...
最新文章
- 腾讯推出高性能 RPC 开发框架
- 第29节 专业英语1
- 15、Java并发编程:Callable、Future和FutureTask
- 类方法的实例python_Python Class 的实例方法/类方法/静态方法
- 云存储精华问答 | 如何选择混合云提供商?
- 一本书看懂数字化转型|全新《2021年度案例观察》限时免费送
- linux android ndk
- Linux IO模型
- r 语言 ggplot上添加平均值_R语言中ggplot2包作数据分布情况下的统计图实例学习(一)
- Mongodb性能监控
- 深入理解Java虚拟机--笔记1
- MVC个层次之间的联系
- Xshell官网免费版下载实用
- 详解黑客的攻击方式1---网络欺骗攻击
- 【转】codelite
- HarmonyOS上玩“语音识别”
- freescale R10 ipu lib 分析 - ipu_device.c
- RHEL 7安装的步骤
- SQLSERVER 存储过程 语法
- 【每天play】为了学好python需要从脚下做起,Linux基础-用户管理 P70-80
热门文章
- Dubbo实例~直连的方式
- 2017中学生计算机竞赛预赛试题答案,2017初中数学竞赛初赛试题
- python温度转换的详细说明_python实现简单温度转换的方法
- Logstash【从无到有从有到无】【L20】编解码器插件(Codec plugins)
- ES6:12-Map集合
- 玩猎魂觉醒久了,发现这游戏越来越肝,天天都在肝防具和武器....
- 【英文演讲】What are your strengths
- 22.Java之异常处理(异常介绍,异常体系图一览,运行时异常,编译异常,try-catch方式处理异常,throws异常处理,自定义异常,throws 和 throw 的区别)
- 不要通过第三方交易软件进行期货开户
- 期刊论文格式要求笔记