即插即用新卷积：提升CNN性能、速度翻倍

文章预览

单击上方“ 图灵人工智能 ”，选择“星标”公众号 您想知道的人工智能干货，第一时间送达 选自arXiv 作 者：  Yunpeng Chen等 机器之心编译 近期，来自 Facebook AI、新加坡国立大学、奇虎 360 的研究人员联合提出了一种新的卷积操作 (OctConv)，用于替代现有的通用卷积。这款新卷积不仅占用更少的内存和计算，还有助于提高性能。 卷积神经网络 （CNN）在很多计算机视觉任务中都取得了卓越的成就，然而高准确率的背后，却是很高的冗余度和不可忽视的计算开销。 图 1. 现有的卷积操作（1x1 卷积） 对于一个卷积操作而言（图 1），每个位置都是由一个 D 维特征向量 表示，而特征提取，则是通过滑动卷积，对每个位置分别处理得到对应的特征。 但是，这种为每个位置都分别存储一份特征表达，并分别一一处理的策略明显是不合理的。因为，对于图像而 ………………………………