摘要：
1. 摘要 作者提出了一个前所未有高效的新奇网络结构，称之为 CondenseNet，该结构结合了密集连接性和可学习的分组卷积模块。 密集连接性有利于网络中的特征复用，而可学习的分组卷积模块则可以移除多余的特征复用之间的连接。在测试的时候，训练好的模型可以使用标准的分组卷积来实现，在实际中计算非常高 阅读全文
摘要：
1. 摘要 最近，神经网络的架构设计都是基于计算复杂度的间接度量，比如 FLOPs。然而，直接的度量比如运行速度，其实也会依赖于内存访问和平台特性等其它因素。 因此本文建议直接在目标平台上用直接度量进行测试。基于一系列控制条件实验，作者提出了设计高效网络结构的一些实用指导思想，并据此提出了一个称之为 阅读全文
摘要：
1. 摘要 作者介绍了一种计算非常高效的 CNN 结构称之为 ShuffleNet，它是专门为计算资源非常有限的移动设备设计的。 这种新的结构主要用到了两种操作：分组点卷积（pointwise group convolution ）和通道打乱（channel shuffle），这可以极大降低计算代价 阅读全文
摘要：
1. 摘要 基于网络架构搜索和 NetAdapt 算法，作者提出了新一代的 MobileNets，并通过一些先进的结构对其进行了改进。 作者发布了两个模型 MobileNetV3 Large 和 MobileNetV3 Small 分别应用于资源较多和较少的场景，这些模型也可以被调整并应用到目标检测 阅读全文