轻量化网络：EffNet解析

原文： EffNet: AN EFFICIENT STRUCTURE FOR CONVOLUTIONAL NEURAL NETWORKS

论文链接：https://arxiv.org/abs/1801.06434

原文链接：https://blog.csdn.net/u011961856/article/details/79143137?utm_source=blogxgwz5

EffeNet对MoblieNet网络进行改进,主要思想为:

       首先,将MoblieNet的3×33×3的depthwise convolution层分解为两个3×13×1,1×31×3depthwise 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1×21×2 max pooling操作.在第二个卷积层之后,用2×12×1,stride=1的卷积核代替1×11×1pointwise 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%.