ThreshNet：一种利用阈值机制减少连接的高效DenseNet
计算机视觉与模式识别
2026-02-06 v2
摘要
随着计算机视觉任务神经网络的不断发展，越来越多的网络架构取得了卓越成功。作为最先进的神经网络架构之一，DenseNet将所有特征图快捷连接以解决模型深度问题。尽管该网络架构以低参数量实现了优异精度，但其推理时间过长。为解决此问题，HarDNet减少了特征图之间的连接，使剩余连接类似于谐波。然而，这种压缩方法可能导致模型精度下降以及参数与模型尺寸增加。该网络架构虽可能减少内存访问时间，但其整体性能仍有提升空间。因此，我们提出一种新的网络架构ThreshNet，利用阈值机制进一步优化连接方法。不同卷积层丢弃不同数量的连接以加速网络推理。所提网络已在NVIDIA RTX 3050与Raspberry Pi 4平台上使用CIFAR 10与SVHN数据集进行图像分类评估。实验结果表明，与HarDNet68、GhostNet、MobileNetV2、ShuffleNet和EfficientNet相比，所提ThreshNet79的推理时间分别快5%、9%、10%、18%和20%。ThreshNet95的参数数量比HarDNet85少55%。新的模型压缩与模型加速方法可加快推理时间，使网络模型能够在移动设备上运行。
引用
@article{arxiv.2201.03013,
title = {ThreshNet: An Efficient DenseNet Using Threshold Mechanism to Reduce Connections},
author = {Rui-Yang Ju and Ting-Yu Lin and Jia-Hao Jian and Jen-Shiun Chiang and Wei-Bin Yang},
journal= {arXiv preprint arXiv:2201.03013},
year = {2026}
}
备注
IEEE Access