PerforatedCNNs：通过消除冗余卷积实现加速
计算机视觉与模式识别
2016-10-18 v4
摘要
我们提出一种新方法以降低卷积神经网络评估的计算成本，这一因素阻碍了它们在手机等低功耗设备上的部署。受源代码优化中循环穿孔（loop perforation）技术的启发，我们通过跳过某些空间位置上的评估来加速瓶颈卷积层。我们提出并分析了选择这些位置的几种策略。我们证明穿孔可以将现代卷积网络如AlexNet和VGG-16加速2倍-4倍。此外，我们展示了穿孔与Zhang等人最近提出的加速方法是互补的。
引用
@article{arxiv.1504.08362,
title = {PerforatedCNNs: Acceleration through Elimination of Redundant Convolutions},
author = {Michael Figurnov and Aijan Ibraimova and Dmitry Vetrov and Pushmeet Kohli},
journal= {arXiv preprint arXiv:1504.08362},
year = {2016}
}
备注
NIPS 2016