赞
踩
1. SCConv介绍
摘要:卷积神经网络(CNN)在各种计算机视觉任务中取得了显着的性能,但这是以巨大的计算资源为代价的,部分原因是卷积层提取了冗余特征。 最近的工作要么压缩训练有素的大型模型,要么探索精心设计的轻量级模型。 在本文中,我们尝试利用特征之间的空间和通道冗余进行 CNN 压缩,并提出一种高效的卷积模块,称为 SCConv(空间和通道重建卷积),以减少冗余计算并促进代表性特征学习。 所提出的 SCConv 由两个单元组成:空间重建单元(SRU)和通道重建单元(CRU)。 SRU采用分离重建方法来抑制空间冗余,而CRU采用分割-变换-融合策略来减少通道冗余。 此外,SCConv是一个即插即用的架构单元,可以直接用来替换各种卷积神经网络中的标准卷积。 实验结果表明,SCConv嵌入模型能够通过减少冗余特征来实现更好的性能,同时显着降低复杂度和计算成本。
官方论文地址:SCConv官方论文地址
官方代码地址:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。