一些计算机视觉即插即用的模块。助力水文章 https://m.tb.cn/h.5KA7QdiJwMOsR8R感兴趣的朋友可以看看
1 CVPR2023,部分卷积FConv
摘要:
为了设计快速的神经网络,许多工作都专注于减少浮点运算的数量(FLOPs)。然而,我们观察到,这种浮点运算数量的减少并不一定会导致延迟的相似水平降低。这主要是由于每秒浮点运算效率低下(FLOPS)。为了实现更快的网络,我们重新审视了流行的操作符,并证明这种低FLOPS主要是由于操作符频繁的内存访问,尤其是深度卷积。因此,我们提出了一种新的部分卷积(PConv),通过同时减少冗余计算和内存访问,更有效地提取空间特征。基于我们的PConv,我们进一步提出了FasterNet,这是一种新型神经网络,在各种设备上实现的速度远高于其他同类产品,同时不会对各种视觉任务的准确性产生影响。例如,在ImageNet1k上,我们的微小FasterNet-T0在GPU、CPU和ARM处理器上的速度分别是MobileViT-XXS的2.8倍、3.3倍和2.4倍,同时准确度提高了2.9%。我们的大型FasterNet-L实现了令人印象深刻的83.5%的最高准确率,与新兴的Swin-B相当,同时在GPU上的推理吞吐量提高了36%,在CPU上计算时间减少了37%。