本文介绍了轻量级网络SqueezeNet和Xception的主要思想与结构。SqueezeNet通过fire模块（squeeze层+expand层）减少了通道数，实现高效运算；Xception则基于Inception的改进，采用Depthwise Separable Convolution，优化计算效率。两者都展示了在保持性能的同时减小模型复杂度的可能性。
前言
继续来总结一下轻量级网络SqueezeNet,Xception。
SqueezeNet
论文：http://arxiv.org/abs/1602.07360
TensorFlow实现：https://github.com/Linchunhui/Classification-Set-with-Tensorflow/blob/master/net/SqueezeNet.py
首先从名字SqueezeNet 就知道，本文的新意是 squeeze，squeeze 在 SqueezeNet 中表示一个 squeeze 层，该层采用 1*1 卷积核对上一层 feature map 进行卷积，主要目的是减少 feature map 的维数（即通道数）。
- 创新点
采用不同于传统的卷积方式，提出 fire module；fire module 包含两部分：squeeze 层+expand 层。
创新点与 inception 系列的思想非常接近！首先 squeeze 层，就
最低0.47元/天 解锁文章
扫一扫
3096
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
