EffeNet对MoblieNet网络进行改进,主要思想为:
首先,将MoblieNet的
3×3
的depthwise convolution层分解为两个
3×1
,
1×3
depthwise convolution层.这样便可以在第一层之后就采用pool操作,从而减少第二层的计算量.
如图1所示,在第一个卷积层之后,使用 1×2 max pooling操作.在第二个卷积层之后,用 2×1 ,stride=1的卷积核代替 1×1 pointwise convolution.这样计算量相同,但是可以有更高的精度.
作者试验了MobileNet,ShuffleNet,EffNet三种模块的分类网络,模型结构参数如下,
在Cifar10数据分类精度为,
EffNet large参数量基本与Baseline相同,精度提高接近8%.