即插即用新卷积:提升CNN性能、速度翻倍( 五 )

实验表明,通过用 OctConv 替代普通卷积,研究人员可以持续提高图像和视频识别任务的准确率,同时降低内存和计算成本。一个配备有 OctConv 的 ResNet-152 能够以仅仅 22.2 GFLOP 在 ImageNet 上达到 82.9% 的 top-1 分类准确率。

方法

在本节中,研究人员首先介绍了用来降低特征图中空间冗余的特征表示,接着描述了直接作用于该表征的 Octave 卷积(图 4)。研究人员还讨论了实现细节,展示了如何将 OctConv 融入分组和深度卷积架构。

即插即用新卷积:提升CNN性能、速度翻倍

图6/17

图 4. OctConv 的设计细节

即插即用新卷积:提升CNN性能、速度翻倍

图7/17

表 1:对于低频特征所使用的低频所占比例α的不同,所带来的理论性能提升。当α=0 时(即没有低频成分),OctConv 就会退化为普通卷积。注意,无论比例α选择是多少,OctConv 的参数数量都是与常规卷机一致的(如图 5 所示)。

推荐阅读