利用单通道内卷积、拓扑细分与空间“瓶颈”结构的高效卷积层设计
计算机视觉与模式识别
2017-01-25 v2
摘要
深度卷积神经网络以高计算复杂度为代价实现了卓越的视觉识别性能。本文中，我们基于三种方案提出了一种高效卷积层的新设计。卷积层中的3D卷积操作可视为同时在每个通道执行空间卷积和跨通道线性投影。通过解耦它们并顺序安排空间卷积，所提出的层由单通道内卷积（其计算可忽略）和线性通道投影组成。采用拓扑细分来减少输入通道与输出通道之间的连接。此外，我们还引入了利用卷积-投影-反卷积流水线以利用输入中相邻像素相关性的空间“瓶颈”结构。我们的实验表明，所提层在准确率/复杂度比方面显著优于标准卷积层。我们的模型在达到与VGG、ResNet-50、ResNet-101相似准确率的同时，分别仅需少42、4.5、6.5倍的计算量。
引用
@article{arxiv.1608.04337,
title = {Design of Efficient Convolutional Layers using Single Intra-channel Convolution, Topological Subdivisioning and Spatial "Bottleneck" Structure},
author = {Min Wang and Baoyuan Liu and Hassan Foroosh},
journal= {arXiv preprint arXiv:1608.04337},
year = {2017}
}