【论文学习笔记-3】ABC Net（Accurate Binary Convolutional Neural Network）

核心思想

用多个二值矩阵的基通过线性组合来达成对全精度Weight及Activation的最佳逼近。

Related Works

Quantized Neural Networks:
通过控制W的Bitwise来减少计算量和空间消耗，但是只在小数据集上表现较好（Cifar10，SVHN），但在大数据集（ImageNet）上分类效果不佳，有实验显示当精度小于4-Bit时准确度会快速下降。Cai等人通过解决了Gradient Mismatch Problem强化了低Bitwise模型，但是还有上升空间
Binarized Newral Networks:
主要提到BNN和XNOR-net，好处是降低了存储空间的消耗和power efficiency，但是精度都掉的很快。

受以上启发，本文提出了用多二值矩阵基线性组合逼近全精度精确度的想法，且使用了多重二值激活的做法，且在ImageNet上效果良好。

Methods

两种逼近方案：

1. 逼近整个W
2. 逐个channel逼近的方式逼近W

逼近方案：
用M个二值矩阵Bi做基，权重分别为α_i（i=1，…，M），逼近方案为：

其中w是向量化的的W，B的第i列是B_i的向量化，α等于[α₁，…，α_M]^T
可以通过数值方法得到局部最优解，但是不能由其进行反向传播并更新全精度的Filter权重，故直接定义