有哪些轻量级网络能超越MobileNetV3性能？（文末论文下载）
- 内容介绍
- 文章标签
- 相关推荐
本文共计2161个文字，预计阅读时间需要9分钟。
公众号ID - ComputerVisionGzq 学习群 - 扫码在主页获取加入方式，计算机视觉研究学院专栏 - 作者：Edison_G。CVPR公布了收录的文章，计算机视觉研究学院中找到了一些优秀的算法框架与大家分享。
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
计算机视觉研究院专栏
作者：Edison_G
之前CVPR公布了收录的文章，“计算机视觉研究院”从其中找一些好的算法框架与大家分享，今天分享的就是超越Mobilenet_V3的轻量级网络——GhostNet。
虽然说mobileNet或者是shuffleNet提出了使用depthwise或者是shuffle等操作，但是引入的1x1卷积依然会产生一定的计算量。
为什么1x1依然会产生较大的计算量?
看卷积计算量的计算公式n∗h∗w∗c∗k∗kn*h*w*c*k*kn∗h∗w∗c∗k∗k,可以发现，由于c和n都是比较大的，所以会导致这个计算量也是比较大的，但是作者在分析输出的特征图的时候发现，其实有些特征图是比较相似的。
本文共计2161个文字，预计阅读时间需要9分钟。
公众号ID - ComputerVisionGzq 学习群 - 扫码在主页获取加入方式，计算机视觉研究学院专栏 - 作者：Edison_G。CVPR公布了收录的文章，计算机视觉研究学院中找到了一些优秀的算法框架与大家分享。
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
计算机视觉研究院专栏
作者：Edison_G
之前CVPR公布了收录的文章，“计算机视觉研究院”从其中找一些好的算法框架与大家分享，今天分享的就是超越Mobilenet_V3的轻量级网络——GhostNet。
虽然说mobileNet或者是shuffleNet提出了使用depthwise或者是shuffle等操作，但是引入的1x1卷积依然会产生一定的计算量。
为什么1x1依然会产生较大的计算量?
看卷积计算量的计算公式n∗h∗w∗c∗k∗kn*h*w*c*k*kn∗h∗w∗c∗k∗k,可以发现，由于c和n都是比较大的，所以会导致这个计算量也是比较大的，但是作者在分析输出的特征图的时候发现，其实有些特征图是比较相似的。