GhostNet论文阅读

GhostNet：More Features from Cheap Operations.

---

1、主要思想

深度网络处理过的特征有一部分冗余，这类特征可以通过更廉价的方式获取，不一定非要传统代价较为高昂的运算方式。也就是说，它主要针对网络Feature Map通道间存在的相似性，引入通道间的线性变换来替代原始的传统CNN运算，在减少网络参数和计算量的同时，保持Feature Map原本的通道数和不同通道间的相似性，从而不至于影响模型的表达能力。

至于引入冗余特征而不是对其进行剪枝的原因，可能是由于在对其他因素造成影响尽可能小的前提下，去优化计算量及由此带来的模型参数数量减少，这样不容易引入新的问题。从另一个角度讲，冗余信息的存在，也许能够使后续的分类、回归任务更加简单。例如有些二维空间需要通过曲线进行分割的数据，通过增加一个维度，在三维空间仅需一个平面就能轻易分割。这个类比可能不是很严谨，但是也可以作为引入冗余的信息来使分类任务更容易进行。

下图所示，左上角输入的小猫图片经ResNet-50网络的第一个residual group后得到的部分Feature Map。我们可以看到，其中红色、绿色、蓝色标出的三组Feature Map存在较大的相似性，作者认为可以利用这种相似性，在其中一些基础Feature Map的基础上，使用相比标准CNN卷积核更加简单地线性运算来得到与其相似的Feature Map。