MobileNet/ShuffleNet/GhostNet/EfficientNet-Lite

发表于 更新于 分类于
本文字数： 389 阅读时长 ≈ 1 分钟

之前整理过一些图像分类相关的论文和实现：图像分类。这一次专门总结轻量网络的构成和演化。

网络架构

一般来说，分类网络由两大部分组成：Backbone和Head，其中Backbone负责特征提取，Head负责分类输出。Backbone通常有一个stem+多个stage组成，每个stage内部会包含多个block，每个block由多个卷积算子组成。以GhostNet为例，它的结构如下图所示:

  1. 模型输入大小为\(224\times 224\times 3\)；
  2. stem层为单个\(3\times 3\)标准卷积；
  3. 共有5个stage，每个stage包含多个G-bneck block；
  4. 每个G-bnack block由多个Ghost module + DWConv组成；
  5. 完成所有的卷积计算后，使用全局平均池化层GAP进行空间特征融合；
  6. 最后的head层由一个\(1\times 1\)卷积和一个线性层组成。

脑图