一种新颖的贝叶斯优化的1-Bit CNNs( 四 )_转载自：学术头条（ID：SciTouTiao）作

转载自：学术头条（ID：SciTouTiao）

作者：Liyang

本文4229字18图，建议阅读11分钟。

本文介绍一种新颖的贝叶斯优化的1-Bit CNNs 。

Bayesian Optimized 1-Bit CNNs

论文作者：

Jiaxin Gu Junhe ZhaoXiaolong JiangBaochang ZhangJianzhuang Liu Guodong Guo Rongrong Ji（北京航空航天大学，百度深度学习研究院，华为诺亚方舟实验室等）

论文地址：

https://arxiv.org/pdf/1908.06314v1.pdf

前言

本文将对ICCV2019会议论文《Bayesian Optimized 1-Bit CNNs》进行解读，这篇论文在二值化神经网络（1-bit CNNs）方面取得了最新进展。作者提出了一种新颖的贝叶斯优化的1-Bit CNNs（简称BONNs），利用贝叶斯学习，将全精度kernels和features的先验分布纳入贝叶斯框架，以端到端的方式构造1-bit CNNs ，这是以往任何相关方法都没有考虑到的。实现了连续和离散空间中的贝叶斯损失同时优化网络，将不同的损失联合起来提高模型容量。作者在ImageNet和CIFAR数据集上的实验表明，与最先进的1-bit CNNs相比， BONNs具有更好性能。