ShuffleNet：一种面向移动设备的极致高效卷积神经网络
计算机视觉与模式识别
2017-12-08 v2
摘要
我们提出一种名为 ShuffleNet 的极致计算高效 CNN 架构，专为计算能力非常有限（例如 10-150 MFLOPs）的移动设备设计。新架构利用两种新操作，逐点群卷积和通道混洗，在保持精度的同时大幅降低计算成本。在 ImageNet 分类和 MS COCO 目标检测上的实验证明了 ShuffleNet 优于其他结构的性能，例如在 40 MFLOPs 计算预算下，ImageNet 分类任务上比近期 MobileNet 的绝对 top-1 误差低 7.8%。在基于 ARM 的移动设备上，ShuffleNet 在保持相当精度的同时实现比 AlexNet 约 13 倍的实测加速。
引用
@article{arxiv.1707.01083,
title = {ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices},
author = {Xiangyu Zhang and Xinyu Zhou and Mengxiao Lin and Jian Sun},
journal= {arXiv preprint arXiv:1707.01083},
year = {2017}
}