ShuffleNet V2：高效 CNN 架构设计的实用准则
计算机视觉与模式识别
2018-07-31 v1
摘要
当前，神经网络架构设计大多由计算复杂度的\emph{间接}度量（即 FLOPs）指导。然而，\emph{直接}度量（如速度）还取决于其他因素，例如内存访问成本和平台特性。因此，本工作提出在目标平台上评估直接度量，而非仅考虑 FLOPs。基于一系列受控实验，本工作推导出了若干高效网络设计的实用\emph{准则}。相应地，提出了一种称为\emph{ShuffleNet V2}的新架构。全面的消融实验验证了我们的模型在速度和精度权衡方面处于最先进水平（state-of-the-art）。
引用
@article{arxiv.1807.11164,
title = {ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design},
author = {Ningning Ma and Xiangyu Zhang and Hai-Tao Zheng and Jian Sun},
journal= {arXiv preprint arXiv:1807.11164},
year = {2018}
}