XNOR-Net：使用二值卷积神经网络的ImageNet分类
计算机视觉与模式识别
2016-08-04 v4
摘要
我们提出了标准卷积神经网络的两种高效近似：二值权重网络(Binary-Weight-Networks)和XNOR-Networks。在二值权重网络中，滤波器用二值近似，从而节省32倍内存。在XNOR-Networks中，滤波器和卷积层的输入均为二值。XNOR-Networks主要使用二值运算近似卷积。这带来了58倍的卷积运算加速和32倍内存节省。XNOR-Nets提供了在CPU(而非GPU)上实时运行最先进网络的可能性。我们的二值网络简单、准确、高效，并能在具有挑战性的视觉任务上工作。我们在ImageNet分类任务上评估我们的方法。AlexNet的二值权重网络版本的分类精度仅比全精度AlexNet低2.9%(以top-1衡量)。我们将我们的方法与最近的网络二值化方法BinaryConnect和BinaryNets比较，并在ImageNet上大幅优于这些方法，top-1精度高出16%以上。
引用
@article{arxiv.1603.05279,
title = {XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks},
author = {Mohammad Rastegari and Vicente Ordonez and Joseph Redmon and Ali Farhadi},
journal= {arXiv preprint arXiv:1603.05279},
year = {2016}
}