SparseNet：用于图像分类的稀疏DenseNet
计算机视觉与模式识别
2018-04-17 v1
摘要
深度神经网络在各种计算机视觉任务上取得了显著进展。近期工作表明，网络的深度、宽度和快捷连接对其性能均至关重要。在本文中，我们引入一种稀疏化DenseNet的方法，可将L层DenseNet的连接数从减少至，从而以更具参数效率和计算效率的方式同时增加神经网络的深度、宽度和连接。此外，引入了一个注意力模块以进一步提升我们网络的性能。我们将该网络命名为SparseNet。我们在CIFAR（包括CIFAR10和CIFAR100）和SVHN数据集上对SparseNet进行评估。实验表明，SparseNet在CIFAR10和SVHN上取得了优于SOTA的性能提升。此外，在these数据集上取得与DenseNet相当的性能的同时，SparseNet比原始DenseNet小2.6倍、快3.7倍。
引用
@article{arxiv.1804.05340,
title = {SparseNet: A Sparse DenseNet for Image Classification},
author = {Wenqi Liu and Kun Zeng},
journal= {arXiv preprint arXiv:1804.05340},
year = {2018}
}