![9f882beb61e859ebb69cd4a3eedf32c6.png](https://img-blog.csdnimg.cn/img_convert/9f882beb61e859ebb69cd4a3eedf32c6.png)
最近工作需要对于原有模型进行优化加速,此前尝试使用MobileNet,但发现Pytorch对其优化不理想,分组卷积并没有真正有效地提高模型效率。又尝试使用
Octave Convolution,作者提到Octave Conv模块可以将特征图分为低频和高频,分别存储信息和特征,认为可以对低频信息减半,最终达到加速卷积运算效果。 贡献:
- 将卷积特征图分成了两组,一组低频,一组高频,低频特征图的大小会减半,从而可以有效减少存储以及计算量,另外,由于特征图大小减小,卷积核大小不变,感受野就变大了,可以抓取更多的上下文信息;
- OctConv是一种即插即用的卷积块,可以直接替换传统的conv(也替换分组卷积以及深度可分离卷积等),减小内存和计算量;
当然,作者做了大量实验,使用OctConv可以得到更高性能,甚至可以媲美best Auto ML。
Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolutionexport.arxiv.org总的来说,OctConv是占用内存小,速度快,性