模型压缩(3)

ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

论文地址：Arxiv Paper

GitHub: Tensorflow, Caffe

   

主要是在Xception的基础上进一步改进    

Motivation:

• Xception / ResNeXt 这种优化结构对于extremely small network的计算性能欠佳

  因为conv1x1耗时过长(在MobileNet中已验证)

  受AlexNet的启发，提出了group convolution，提高conv1x1的计算性能

• Group convolution 的引入有局限性

  提出了channel shuffle增加了feature channel之间信息的流动性

ShuffleNet units

• 图(a) ，带有depthwise conv的bottleneck module

  由三个部分组成：

  point wise 1x1 conv + Xception中的depthwise 3x3 conv + point wise 1x1 conv

  前面两个op组合构成了Xception，最后一个为了shortcut的channel匹配

• 图(b)，引入Group conv

1). 考虑conv1x1耗时较长(在MobileNet中已验证)，因此受Alexnet启发，对conv1x1进行分组计算，

     将第一个point wise conv1x1 替换为 1x1 group conv

2). 用Group conv使得不同Group 的结果中信息隔离，因此增加channel shuffle层，交换信息

3). 接一个Xception 中的depthwise conv3x3

4). 与1)相同，将point wise conv1x1替换为1x1 group conv，提高computation performance    

 

• 图(c)，stride = 2的ShuffleNet

  1). shortcut上增加了avg_pooling

  2). 用concat替换element wise add

Channel shuffle原理

   

Reference

轻量级网络--ShuffleNet论文解读

ShuffleNet算法详解

ShuffleNet