文章目录
- 前言
- 一、首页
- 二、轻量化网络:移动端,终端边缘计算
- 三、轻量化网络模型
- 四、VGG:传统3x3卷积搭建网络的极限
- 五、RepVGG:结构重参数化
- 六、ResNet:残差网络,解决退化问题
- 七、DenseNet:比ResNet更优的CNN模型
- 八、InceptionV1:GoogLeNet,谷歌出品
- 九、InceptionV2 && V3
- 十、InceptionV4
- 十一、深度可分离卷积
- 十二、Xception
- 十三、MobileNetV1
- 十四、MobileNetV2
- 十五、通道注意力机制
- 十六、MobileNetV3
- 十七、GhostNet:幻象网络,华为出品
- 十八、EfficientNet:NAS搜索出来的网络
- 十九、ShuffleNetV1:旷视科技
- 二十、ShuffleNetV2
- 二十一、谁才是轻量级CNN的王者?MobileNet/ShuffleNet/GhostNet评测
- 二十二、FastestDet:ShuffleNetv2的应用,比yolo-fastest更快
- 总结
前言
本篇博客将记录常见的17种轻量化模型结构,分析其轻量化技巧。
后续将持续发布模型压缩方面的博文,有需要的读者记得点下关注。
一、首页
二、轻量化网络:移动端,终端边缘计算
三、轻量化网络模型
四、VGG:传统3x3卷积搭建网络的极限
五、RepVGG:结构重参数化
六、ResNet:残差网络,解决退化问题
七、DenseNet:比ResNet更优的CNN模型
八、InceptionV1:GoogLeNet,谷歌出品
九、InceptionV2 && V3
十、InceptionV4
十一、深度可分离卷积
十二、Xception
十三、MobileNetV1
十四、MobileNetV2
十五、通道注意力机制
十六、MobileNetV3
十七、GhostNet:幻象网络,华为出品
十八、EfficientNet:NAS搜索出来的网络
十九、ShuffleNetV1:旷视科技
二十、ShuffleNetV2
二十一、谁才是轻量级CNN的王者?MobileNet/ShuffleNet/GhostNet评测
二十二、FastestDet:ShuffleNetv2的应用,比yolo-fastest更快
总结
本篇博客将记录常见的17种轻量化模型结构,分析其轻量化技巧。
值得一提的是从结构角度进行轻量化设计,往往比其他模型压缩技巧,如剪枝,蒸馏,更有实际意义。优先考虑结构的轻量化设计,然后才是剪枝,蒸馏等模型压缩方法。