IGCV3：用于高效深度神经网络的交错低秩分组卷积
计算机视觉与模式识别
2018-07-23 v2
摘要
在本文中，我们致力于构建轻量且高效的卷积神经网络。受两种设计模式成功的启发——结构化稀疏核的组合（如交错分组卷积（IGC））和低秩核的组合（如瓶颈模块）——我们研究了这两种设计模式的组合，即使用结构化稀疏低秩核的组合来构成卷积核。我们没有在通道上引入互补条件，而是引入了宽松互补条件，其通过对超通道施加互补条件来表述，以指导生成稠密卷积核的设计。所得网络称为IGCV3。我们通过实验证明，在低秩与稀疏核的组合提升了性能，且我们所提方法相对于最先进方法IGCV2和MobileNetV2在CIFAR和ImageNet上的图像分类以及COCO上的目标检测具有优越性。
引用
@article{arxiv.1806.00178,
title = {IGCV3: Interleaved Low-Rank Group Convolutions for Efficient Deep Neural Networks},
author = {Ke Sun and Mingjie Li and Dong Liu and Jingdong Wang},
journal= {arXiv preprint arXiv:1806.00178},
year = {2018}
}
备注
10 pages, 2 figures, accepted by BMVC 2018