轻量级网络之ShuffleNet

最新推荐文章于 2025-02-25 12:31:42 发布

AI程序媛

最新推荐文章于 2025-02-25 12:31:42 发布

阅读量411

点赞数

分类专栏：轻量级网络文章标签：人工智能深度学习轻量级网络卷积神经网络 shufflenet

本文链接：https://blog.youkuaiyun.com/dplovel/article/details/90634861

版权

ShuffleNet是一种由Face++提出的轻量级卷积神经网络，适用于移动设备。它采用pointwise group convolution和channel shuffle操作，结合depthwise separable convolution，以减少计算量并保持高准确性。通过与ResNet、SqueezeNet、Xception和MobileNet等模型对比，ShuffleNet展示了在效率和性能上的优势。文章介绍了ShuffleNet的网络结构、关键组件以及实验结果，强调了channel shuffle在跨组信息交换中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Device

论文链接：https://arxiv.org/abs/1707.01083

代码：

Caffe

算法详解：

ShuffleNet是Face++提出的一种针对移动设备的轻量级网络，专注于设计更好的模型，直接提高性能，而不是加速或转换现有模型。这篇文章可以和ResNet，以及同是轻量级网络的SqueezeNet， Xception和MobileNet对照着看，因为有类似的思想。

ResNet网络用残差来构成一个极深的深度神经网络，并使用bottleneck（用多个小卷积替代一个大卷积），以减少计算和参数量；SqueezeNet网络基本单元采用了模块化卷积，即Fire module（包括1x1卷积核的squeeze层，以及混合使用1x1和3x3卷积核的expand层）；Xception是google继Inception后提出的对Inception v3的一种改进，主要采用depthwise separable convolution来替换原来In

最低0.47元/天解锁文章