EffNet: An Efficient Structure for Convolutional Neural Networks

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u011961856/article/details/79143137

EffeNet对MoblieNet网络进行改进,主要思想为:

首先,将MoblieNet的$3\times3$的depthwise convolution层分解为两个$3\times1$,$1\times3$depthwise convolution层.这样便可以在第一层之后就采用pool操作,从而减少第二层的计算量.

如图1所示,在第一个卷积层之后,使用$1\times2$ max pooling操作.在第二个卷积层之后,用$2\times1$,stride=1的卷积核代替$1\times1$pointwise convolution.这样计算量相同,但是可以有更高的精度.

作者试验了MobileNet,ShuffleNet,EffNet三种模块的分类网络,模型结构参数如下,

在Cifar10数据分类精度为,

EffNet large参数量基本与Baseline相同,精度提高接近8%.