VoVNet、VarGNet、PeleeNet：轻量级实时网络（嵌入端）

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨Tom Hardy@知乎

来源丨https://zhuanlan.zhihu.com/p/317399539

编辑丨3D视觉工坊

最近看了些基于移动端、嵌入端的轻量级深度学习网络，一起来分享下~

一、VOVNet

一种专注GPU计算、能耗高效的网络结构。

论文：An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection

链接：https://arxiv.org/pdf/1904.09730v1.pdf

文章的主要思想其实是One-Shot Aggregation模块，如下图所示，文章对标DenseNet，论文指出DenseNet的一些缺点：dense connection 所有中间层的密集连接导致不可避免的低效率，这是由于每层的输入通道大小随着层的推进而线性增加。由于dense connection，DenseNet 在FLOPs或者参数约束下只能产生少量的特征。换句话说，DenseNet通过dense连接将特征的数量与特征的质量进行权衡。虽然Densenet的表现似乎证明了这种贸易是有益的，但从能源和时间的角度来看，这种贸易还有一些其他的缺点。所以论文引入了One-Shot Aggregation来改进Dense Block。

论文的实验显示，在FLOPs和参数大小相同的情况下，VoVNet效率更高，在coco上的检测性能也略超越DenseNet。

二、VOVNet2

这是对VoVNet的改进，出自论文CenterMask : Real-Time Anchor-Free Instance Segmentation（https://arxiv.org/pdf/1911.06667.pdf），就是下图的最右边这个东东。。。

VoVNetV2引入了ResNet的残差连接和SENet的SE模块。

来看下速度和精度，COCO数据集：

相比于V1,AP还算很明显了，速度上也没很大劣势，无痛啊。。。

三、VarGNet

论文：VarGNet: Variable Group Convolutional Neural Network for Efficient Embedded Computing

链接：https://arxiv.org/pdf/1907.05653v1.pdf

地平线2019年新提出的一种轻量级网络，适用嵌入式系统的计算，地平线的芯片上也已经支持了~

论文指出，如果网络中操作的计算强度更平衡，则网络计算图更容易优化。因此提出了基于深度可分离卷积的可变组卷积。在可变组卷积中，每个组的输入通道数是固定的，可以作为超参数进行调整，这与组卷积中组数是固定的是不同的。这样做的好处有两方面:从编译器的角度来看，固定通道的数量更适合于优化，因为它具有更一致的计算模式和数据布局; 除此之外，可变组卷积具有更大的网络容量，从而允许更小的信道号，这有助于减轻片外通信的时间消耗。

四、PeleeNet

论文：Pelee: A Real-Time Object Detection System on Mobile Devices

链接：arxiv.org/pdf/1804.0688

Dense Layer的改进，这里不再详细阐述，可以看下图~

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~