公开课 | 比MobileNet更高效，微软资深研究员详解基于交错组卷积的高效DNN

卷积神经网络在近几年获得了跨越式的发展，虽然它们在诸如图像识别任务上的效果越来越好，但是随之而来的则是模型复杂度的不断提升。越来越深、越来越复杂的卷积神经网络在训练阶段需要大量存储与计算资源，因此设计高效的卷积神经网络是非常重要和基础的问题，而消除卷积核的冗余性是该问题主要的解决方案。

如何消除消除卷积核的冗余性？AI科技大本营邀请到微软亚洲研究院视觉计算组资深研究员王井东，他将在 31 号的直播公开课中为大家讲解发表在 ICCV 2017 和 CVPR2018 上基于交错组卷积的方法，这种方法优于 ResNet 和 MobileNet。

（点击链接，免费报名：https://edu.csdn.net/huiyiCourse/detail/783）

感兴趣的读者可以在直播前自行查阅论文或者下载代码，自己动手尝试，加深理解。

论文地址：

https://arxiv.org/abs/1707.02725