zhuikefeng的博客

一、提出背景 在嵌入式设备上部署神经网络很困难，因为其有限的内存和计算资源。 常规的CNN网络提取到的特征图有很多冗余信息。 算法原理 1.Ghost module 常规的卷积公式：，其中是卷积操作，是输出的特征图，h‘是输出的高，w’是输出的宽，n是输出维度，即卷积核的数量。是卷积核，c是通道数，k是卷积核的高和宽，n是输出维度。 整个卷积操作的FLOPs是：，n和c往往很大。 普通的conv操作如上图a，Ghost module对次进行了改进，第一步是使用更少的卷积核生成输出...

    图像的风格迁移始于2015年Gates的论文“Image Style Transfer Using Convolutional Neural Networks”，所做的工作很好描述，就是由一张内容图片和一张风格图片进行融合之后，得到经风格渲染之后的合成图片。示例如下    对于人来说，可以很轻易的分辨出不同风格的图片，但是如何让计算机理解什么是风格是这个项目的难点，下面详细解析项目的原理。...

    之前的那篇博文基于神经网络的图像风格迁移（一）讲述的是Gates论文“Image Style Transfer Using Convolutional Neural Networks”。这篇论文虽然有着极其开创的作用，但是也有一些局限之处，最大的缺点就是必须要实时训练，这样耗时比较长，笔者在GTX 1080Ti双卡上大概需要3min。这样是无法移植到手机或者是网络，这些对实时要求比较高的设...