华为诺亚方舟实验室：加法神经网络在目标检测中的实验研究

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

论文地址：https://arxiv.org/pdf/2112.13608.pdf

计算机视觉研究院专栏

作者：Edison_G

加法神经网络 (AdderNets) 在仅使用加法运算的图像分类方面表现出令人印象深刻的性能，这比使用乘法构建的传统卷积神经网络更节能。

一、前言

加法神经网络 (AdderNets) 在仅使用加法运算的图像分类方面表现出令人印象深刻的性能，这比使用乘法构建的传统卷积神经网络更节能。

*之前“计算机视觉研究院”也推送过：（点击下方可以直接进入）

与分类相比，在自动驾驶和人脸检测等实际应用中，对于通过AdderNets降低现代物体检测器的能耗有强烈的需求。

在今天分享中，研究者展示了AdderNets用于目标检测的实证研究。

首先揭示不应冻结预训练加法主干中的批量归一化统计数据，因为AdderNets的特征方差相对较大。此外，研究者们在Neck插入了更多的快捷连接，并设计了一种新的特征融合架构来避免加法层的稀疏特征。研究者提出了广泛的消融研究，以探索加法检测器的几种设计选择。在COCO和PASCAL VOC基准上进行了与最新技术的比较。具体来说，提出的Adder FC