CondenseNet V2：用于深度网络的稀疏特征再激活
计算机视觉与模式识别
2021-04-12 v1
摘要
通过密集连接在复用深度网络特征是一种实现高计算效率的有效方式。近期提出的 CondenseNet 表明，如果移除冗余特征，该机制可进一步改进。在本文中，我们提出一种名为稀疏特征再激活（SFR）的替代方法，旨在主动提升特征复用的效用。在所提出的名为 CondenseNetV2 的网络中，每一层可同时学习：1）选择性地复用来自前层的一组最重要特征；以及 2）主动更新一组前层特征以提升其对后层的效用。我们的实验表明，所提模型在图像分类（ImageNet 和 CIFAR）与目标检测（MS COCO）上，在理论效率与实际速度方面均取得了有前景的性能。
引用
@article{arxiv.2104.04382,
title = {CondenseNet V2: Sparse Feature Reactivation for Deep Networks},
author = {Le Yang and Haojun Jiang and Ruojin Cai and Yulin Wang and Shiji Song and Gao Huang and Qi Tian},
journal= {arXiv preprint arXiv:2104.04382},
year = {2021}
}
备注
CVPR 2021