论文:SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE
代码: https://github.com/DeepScale/SqueezeNet
前面介绍过MobileNet,这里介绍另一个轻便型网络SqueezeNet。这是一个号称能够将AlexNet的
网络参数压缩510倍,达到小于0.5M。下面就让我们来慢慢揭开它的神秘面纱吧。
首先,我们需要知道Sq ueezeNet的整体设计都是围绕下面三个核心思想展开的:
- Replace 3x3 filters with 1x1 filters.
- Decrease the number of input channels to 3x3 filters.
- Downsample late in the network so that convolution layers have large activation maps.
根据上面的思路,SqueezeNet引入了一种模块——Fire module:
Fire module 会先通过squeeze layer对输入的通道数进行压缩,之后通过expand layer,对输入的特征
进行多尺度的卷积运算,最后将结果在通道级别上进行级联。鉴于Squeeze layer的作用,我们需要
考虑到Squeeze layer的卷积核个数要小于Expand layer中卷积核的个数。下面来看一看Caffe的