MSD网络结构学习笔记

本文介绍了MSDnet,一种为了解决深度学习模型计算量大、结构复杂而在移动端无法实时应用的问题而设计的网络结构。MSDnet强调实时性和分批分类,通过密集连接和多尺度特征提取实现这一目标。实验表明,该网络在CIFAR和ILSVRC2012数据集上表现出色,并且通过调整计算成本和置信度阈值,可以在不同计算预算下灵活输出结果。
摘要由CSDN通过智能技术生成

 文献MULTI-SCALE DENSE NETWORKS FOR RESOURCE EFFICIENT IMAGE CLASSIFICATION中提出了一个称为MSDnet的神经网络结构,旨在解决前人网络计算量大,结构复杂,在移动端不能实时实现以及内存有限的问题,所以网络设计的出发点有两个,一个是实时性(anytime prediction),对输入能及时输出结果;另一个是分批分类(budget batch classification),对简单的图片做快速的决策,对困难的图片做详细的特征提取得到结果,达到节约内存的目的。换句话说,需要设计的网络结构要满足内存使用达到一定程度或者分类置信度足够高以后就立刻输出分类结果,而前人的网络结构与此是有冲突的,一方面,网络分类器直接连接的是最后一层,用到的是前面所有层的特征,也就不能根据图片特征的简单与否提前输出结果;另一方面,网络各个层提取的特征尺度不

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值