论文:ANTNets: Mobile Convolutional Neural Networks for Resource Efficient ImageClassificat
论文: https://arxiv.org/abs/1904.03775
代码: https://github.com/yyxiongzju/ANTNets
代码:GitHub - dhananjaisharma10/ANTNet: A PyTorch implementation of ANTNet
Trick:
可以使用ant_block替换mobilenetv2中的IRB模块
出发点
深度分离卷积是一种比标准卷积更有效的计算单元,但会导致模型的表达能力降低。
ANTBlock
ANTBlock采用了残差模块的架构,在MobileNetV2的Inverted Residual Block(IRB)
的基础上进行改进。
1:在depthwise卷积后添加了一个SE模块
2:最后一个1x1卷积为组卷积形式
e-ANTBlock
作者在ANTBlock的基础上提出了一种扩展版本:e-ANTBlock
上面的模块是比较简单的,就是在一个残差模块中又多添加了一个分支。有点重参数思想【即rep系列,rep-vgg】
参考:ANTNet|端侧架构,精度速度双超MobileNetV2 - 云+社区 - 腾讯云
上面参考连接里面提到的SE位置,确实是需要思考的点。先记录下来,后面探索一下再回来补上。