ShuffleNet理解

ShuffleNet是Face++的一篇关于降低深度网络计算量的论文。

论文的Insight是现有的先进basic架构如Xception和ResNeXt在小型网络模型中效率较低，因为大量的1×11×1卷积耗费很多计算资源，论文提出了逐点群卷积(pointwise group convolution)帮助降低计算复杂度；但是使用逐点群卷积会有负作用，故在此基础上，论文提出通道混洗(channel shuffle)帮助信息流通。基于这两种技术，我们构建一个名为ShuffleNet的高效架构，相比于其他先进模型，对于给定的计算复杂度预算，ShuffleNet允许使用更多的特征映射通道，在小型网络上有助于编码更多信息。