通过卷积解构构建快速网络
计算机视觉与模式识别
2018-11-01 v5
摘要
卷积神经网络在各种视觉任务中取得了巨大成功；然而，它们带来了沉重的资源开销。通过使用更深更宽的网络，网络精度可以迅速提升。但在资源有限的环境（例如移动应用）中，重型网络可能无法使用。本研究表明，朴素卷积可解构为移位操作和逐点卷积。为应对各种卷积，我们提出一种称为主动移位层（ASL）的新移位操作，它将移位量公式化为带移位参数的可学习函数。该新层可通过反向传播端到端优化，并能提供最优移位值。最后，我们将该层应用于一个轻量且快速的网络，其性能超越了现有的最先进网络。
引用
@article{arxiv.1806.07370,
title = {Constructing Fast Network through Deconstruction of Convolution},
author = {Yunho Jeon and Junmo Kim},
journal= {arXiv preprint arXiv:1806.07370},
year = {2018}
}
备注
To be appeared in NIPS 2018