FD-MobileNet：采用快速下采样策略的改进 MobileNet
计算机视觉与模式识别
2018-02-13 v1
摘要
我们提出 Fast-Downsampling MobileNet (FD-MobileNet)，一种适用于极有限计算预算（如 10–140 MFLOPs）的高效且准确的网络。我们的核心思想是对 MobileNet 框架施加激进的下采样策略。在 FD-MobileNet 中，我们在 12 层内完成 32 下采样，仅为原始 MobileNet 层数的一半。该设计带来三点优势：(i) 显著降低计算代价。(ii) 增加信息容量并取得显著性能提升。(iii) 对工程友好并提供快速的实际推理速度。在 ILSVRC 2012 与 PASCAL VOC 2007 数据集上的实验表明，在不同计算预算下 FD-MobileNet 持续优于 MobileNet 并取得与 ShuffleNet 相当的结果，例如，在 12 MFLOPs 复杂度下，ILSVRC 2012 top-1 准确率超越 MobileNet 5.5%，VOC 2007 mAP 超越 3.6%。在基于 ARM 的设备上，相同复杂度下 FD-MobileNet 推理速度较 MobileNet 加速 1.11，较 ShuffleNet 加速 1.82。
引用
@article{arxiv.1802.03750,
title = {FD-MobileNet: Improved MobileNet with a Fast Downsampling Strategy},
author = {Zheng Qin and Zhaoning Zhang and Xiaotao Chen and Yuxing Peng},
journal= {arXiv preprint arXiv:1802.03750},
year = {2018}
}
备注
5 pages, 1 figures