IGCV$2$：交错结构化稀疏卷积神经网络
计算机视觉与模式识别
2018-04-18 v1
摘要
在本文中，我们研究设计高效卷积神经网络架构的问题，旨在于消除卷积核中的冗余。除了结构化稀疏核、低秩核以及低秩核的乘积外，结构化稀疏核的乘积——一个用于解释近期发展的交错群卷积（IGC）及其变体（如Xception）的框架——已引起越来越多的关注。受IGC中群卷积所包含的卷积可按同样方式进一步分解这一观察的启发，我们提出一个模块化构建块，{IGCV：}交错结构化稀疏卷积。它将由两种结构化稀疏核组成的交错群卷积推广为更多结构化稀疏核的乘积，进一步消除冗余。我们提出互补条件与平衡条件以指导结构化稀疏核的设计，在模型大小、计算复杂度和分类精度三个方面取得平衡。实验结果表明，相较于交错群卷积与Xception，该方法在三者平衡方面具有优势，且相较于其他最先进（state-of-the-art）的架构设计方法具有竞争力。
引用
@article{arxiv.1804.06202,
title = {IGCV$2$: Interleaved Structured Sparse Convolutional Neural Networks},
author = {Guotian Xie and Jingdong Wang and Ting Zhang and Jianhuang Lai and Richang Hong and Guo-Jun Qi},
journal= {arXiv preprint arXiv:1804.06202},
year = {2018}
}
备注
Accepted by CVPR 2018