重新思考FUN：频域利用网络
计算机视觉与模式识别
2020-12-08 v1
摘要
近年来对高效神经网络架构的搜索备受关注，现代架构不仅关注精度，也关注推理时间与模型大小。在此，我们提出FUN，一系列新颖的频域利用网络（Frequency-domain Utilization Networks）。这些网络通过直接在频域中工作来利用频域固有的效率，以离散余弦变换表示。利用复合缩放和倒残差层等现代技术与构建模块，我们生成了一组此类网络，可在大小、延迟与精度之间权衡，同时优于竞争的基于RGB的模型。大量评估证实我们的网络是已有方法的强力替代。此外，我们展示在频域工作可在推理时动态压缩输入，而无需对架构做任何显式改变。
引用
@article{arxiv.2012.03357,
title = {Rethinking FUN: Frequency-Domain Utilization Networks},
author = {Kfir Goldberg and Stav Shapiro and Elad Richardson and Shai Avidan},
journal= {arXiv preprint arXiv:2012.03357},
year = {2020}
}
备注
9 pages, 7 figures