交错组卷积（IGC）是一种减少深度学习模型参数量的技术，包括初级和次级组卷积。初级组卷积将输入通道划分为多个分区执行卷积，而次级组卷积则对初级卷积的输出通道进行重新排列和卷积，进一步降低模型复杂性。IGC块的参数数量通常少于常规卷积，适用于构建高效深度学习模型。
交错组卷积（Interleaved Group Convolutions）
定义
组卷积：一种将输入通道划分成几个分区并在每个分区上分别执行常规的卷积的方法。
交错组卷积：包括两个组卷积，初级组卷积（ primary group convolution）和次级组卷积（ secondary group convolution）。
初级组卷积
设L为初级组卷积的分区数，称为初级分区（primary partition），每个分区包含相同数量(M)的通道。
设x = [z_1^T, z_1^T, …z_1^T ]^T 表示初级组卷积的输入，W_ll^p对应于第l初级个分区的卷积核。
次级组卷积
将初级组卷积的输出{y1,y2,…,yL}的通道进行重新排列，分成M个次级分区（secondary
最低0.47元/天 解锁文章
5336
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
