轻量化网络
SoftGit
深度学习,活体检测,模型压缩
展开
-
《Pelee: A Real-Time Object Detection System on Mobile Devices》解读
已有的在移动设备上执行的深度学习模型例如 MobileNet、 ShuffleNet 等都严重依赖于在深度上可分离的卷积运算,而缺乏有效的实现。在本文中,来自加拿大西安大略大学的研究者提出了称为 PeleeNet 的有效架构,它没有使用传统的卷积来实现。PeleeNet 实现了比目前最先进的 MobileNet 更高的图像分类准确率,并降低了计算成本。研究者进一步开发了实时目标检测系统 Pelee...翻译 2018-05-13 10:11:16 · 6799 阅读 · 4 评论 -
RGBDface相关0625
深度模型加速新思路思路十分直观:根据样本的复杂度把CNN当作一个deep cascade,简单的样本只需要使用浅层的特征即可做出正确的分类,然而复杂的样本需要多层网络才可以判断。这样的方式比起之前使用多个网络做cascade的方式而言,可以共享大量的参数。如下图所示: 在[2]中,作者将这个思想更进一步,主要有以下几个差异:设计了新的复杂度控制的loss,然而这个loss不仅...原创 2018-06-25 20:28:01 · 302 阅读 · 0 评论 -
ShuffleNet V2:从理论复杂度到实用设计准则
近日,旷视科技提出针对移动端深度学习的第二代卷积神经网络 ShuffleNet V2。研究者指出过去在网络架构设计上仅注重间接指标 FLOPs 的不足,并提出两个基本原则和四项准则来指导网络架构设计,最终得到了无论在速度还是精度上都超越先前最佳网络(例如 ShuffleNet V1、MobileNet 等)的 ShuffleNet V2。在综合实验评估中,ShuffleNet V2 也在速度和精...转载 2018-07-29 20:03:47 · 4658 阅读 · 0 评论 -
模型加速论文2018
[He et al., 2018] Yihui He, Ji Lin, Zhijian Liu, Hanrui Wang, Li-Jia Li, and Song Han. AMC: AutoML for Model Compression and Acceleration on Mobile Devices. In European Conference on Computer Vision ...原创 2019-01-05 16:35:19 · 547 阅读 · 0 评论 -
剪枝-轻量化网络(mark)
最近看了几篇网络剪枝的文章,在这里mark一下,过段时间在认真整理一下。1. Graph Convolution over Pruned Dependency Trees Improves Relation Extraction.https://github.com/qipeng/gcn-over-pruned-trees2.Pruning Convolutional Neural Net...原创 2019-01-25 20:48:40 · 1000 阅读 · 0 评论