GhostNet：通过廉价操作获取更多特征
计算机视觉与模式识别
2020-03-16 v2
摘要
由于内存和计算资源有限，在嵌入式设备上部署卷积神经网络（CNNs）十分困难。特征图中的冗余是那些成功 CNNs 的一个重要特征，但在神经架构设计中很少被研究。本文提出一种新颖的 Ghost 模块，从廉价操作中生成更多特征图。基于一组本征特征图，我们应用一系列低成本的线性变换来生成许多 ghost 特征图，从而充分揭示本征特征背后的信息。所提出的 Ghost 模块可作为即插即用组件来升级现有的卷积神经网络。设计了 Ghost 瓶颈来堆叠 Ghost 模块，然后可以轻松建立轻量级的 GhostNet。在基准上进行的实验表明，所提出的 Ghost 模块是基线模型中卷积层的一个令人印象深刻的替代方案，并且我们的 GhostNet 在 ImageNet ILSVRC-2012 分类数据集上以相似的计算成本能够取得比 MobileNetV3 更高的识别性能（例如 的 top-1 准确率）。代码可在 https://github.com/huawei-noah/ghostnet 获取。
引用
@article{arxiv.1911.11907,
title = {GhostNet: More Features from Cheap Operations},
author = {Kai Han and Yunhe Wang and Qi Tian and Jianyuan Guo and Chunjing Xu and Chang Xu},
journal= {arXiv preprint arXiv:1911.11907},
year = {2020}
}
备注
CVPR 2020. Code is available at https://github.com/huawei-noah/ghostnet