混洗网

ShuffleNet:一种用于移动设备的高效卷积神经网络。我们介绍了一种计算效率极高的CNN架构ShuffleNet,它是专门为计算能力非常有限的移动设备(例如10-150 MFLOPs)而设计的。新的体系结构利用点态群卷积和信道洗牌两种新的运算,在保持精度的同时大大降低了计算成本。在ImageNet分类和MS-COCO目标检测方面的实验表明,ShuffleNet在ImageNet分类任务上的top1误差(绝对值为7.8%)低于最近的MobileNet,计算量为40mflops。在基于ARM的移动设备上,ShuffleNet比AlexNet实现了13倍的实际加速,同时保持了相当的精确度。


zbMATH中的参考文献(参考文献16条,1标准件)

显示第1到16个结果,共16个。
按年份排序(引用)

  1. 阿里西奥卢,布拉克;乌苏,苏莱曼;Kaçar,Sezgin:基于深度学习的Chen和Rössler混沌系统在图像上的时间序列分类(2022)
  2. 帕尼格拉希,圣地苏达;布彦、鲁奇;库马尔,昆丹;纳亚克,詹门乔伊;Swarnkar,Tripti:使用改进的残差网络对口腔组织病理学图像进行多阶段分类(2022)
  3. 罗斯利达,罗斯利达;赛亚拉迪,莫赫德;萨达米,凯伦;普拉丹,比斯瓦吉特;阿尼娅,菲特里;梅门,锡克里;Munadi,Khairul:BreaCNet:基于移动卷积神经网络的高精度乳腺热像图分类器(2022)
  4. 刘春雷;丁文瑞;胡、元;张宝昌;刘建庄;郭国栋;David Doermann:带生成对抗性学习的修正二元卷积网络(2021)
  5. 王庆忠,张鹏飞,熊浩义,赵健:脸。进化:高性能人脸识别库(2021)阿尔十四
  6. 陈高,陈云鹏,刘思思,谭振雄,严水成:对抗性神经结构搜索(2020)阿尔十四
  7. 冯俊熙;滕启智;李冰;何小海;陈红刚;Li,Yang:基于深度学习的单二维图像多孔介质端到端三维重建框架(2020)
  8. 高静;李鹏;陈志奎;张建宁:多模数据融合的深度学习研究(2020)
  9. 刘,李;欧阳、万里;王晓刚;菲格斯,保罗;陈杰;刘新旺;Pietikäinen,Matti:通用对象检测的深度学习:调查(2020)
  10. 邵文琪;李靖宇;任家民;张瑞茂;王晓刚;Luo,Ping:SSN:通过SparsestMax学习稀疏可切换规范化(2020)
  11. 夏尔玛,维普尔;Mir,Roohie Naaz:基于深度学习的目标检测技术的全面系统研究:综述(2020)
  12. 尤先生,乌兹代耶夫:人类攻击行为多模式识别的神经网络模型(2020)
  13. 王燕;张浩;徐灵伟;曹从辉;Gulliver,T.Aaron:混合时间序列神经网络在水声信号调制识别中的应用(2020)
  14. 郑清河;田新宇;杨明强;吴玉林;苏华科:基于PAC-Bayesian框架的二维区分卷积网络剪枝的下降路径方法(2020)
  15. 特里普,布莱恩:在卷积网络中近似视觉皮层的结构(2019)
  16. 张向宇,周新宇,林梦晓,孙健:ShuffleNet:一种用于移动设备的高效卷积神经网络(2017)阿尔十四