ShuffleNetV1:极致轻量化卷积神经网络(分组卷积+通道重排)

@toc

参考论文：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

作者：Xiangyu Zhang ，Xinyu Zhou，Mengxiao Lin，Jian Sun

1、论文摘要

  我们引入了一个高效计算的CNN结构名字叫做shuffleNet，这个结构被设计用来解决部署算力非常有限的移动设备问题，这个新的结构使用了两个新的操作,pointwise group convolution 和 channel shuffle能够在极大减少计算量的同时保持一定的精度。我们在ImageNet classification和MS COCO目标检测数据集上做实验论证了ShuffleNet和其他的结构相比有着很好的性能。比如,相比于mobilenet，shufflenet在ImageNet 分类任务上有着更低的top-1错误率(错误率是7.8%)需要的计算量为40MFLOPs。在一个ARM-based移动设备,ShuffleNet相比于AlexNet实现了保持一定的精度的同时，实现了13A的速度。

2 Group Convolution（分组卷积）

  第一个创新点就是分组1*1卷积

  简单来说分组卷积就是将特征图分为不同的组，再对每组特征图分别进