【论文阅读笔记】GhostNet: More Features from Cheap Operations

（一）论文及代码地址：

https://arxiv.org/abs/1911.11907

https://github.com/huawei-noah/ghostnet

（二）核心思想：

作者为了进一步压缩 CNN 网络结构，提出了一个 Ghost module，其核心是通过简单的线性变换，在内在特征图的基础上，生成更多可以完全揭示内在特征信息的幽灵👻特征图（ghost feature map），从而以较小的计算代价生成更多特征；

作者提出的 Ghost module 可以看作一个即插即用组件，用于升级现有的卷积神经网络，其核心是在输出通道数不变的情况下，减小卷积层的通道数并采用一个线性变换来升维，以此减小参数；

同时作者也提出了一个 Ghost Bottleneck 模块用来堆叠 Ghost module，并以此构建了一个新的网络 GhostNet，实现了 75.7% top-1 准确率，在比 MobileNetV3 准确率还高的基础上，进一步压缩了模型；

（三）特征冗余：

在训练好的深度神经网络的特征图中，丰富甚至冗余的信息常常保证了对输入数据的全面理解；