GhostBottleneck模块

GhostBottleneck模块是一种用于深度神经网络中的卷积神经网络（CNN）模块。它旨在减少模型中的计算量和参数数量，同时保持较高的性能。

GhostBottleneck模块的设计灵感来自于GhostNet，GhostNet是一种轻量级的CNN模型。GhostBottleneck模块通过引入一个称为"ghost"通道的概念来减少计算量和参数数量。具体来说，它将输入特征图分为两个部分：一个称为"primary"通道，用于保留主要特征信息，另一个称为"ghost"通道，用于捕获更细微的特征。

在GhostBottleneck模块中，首先使用1x1卷积进行降维，然后将特征图分为主通道和幽灵通道。接下来，分别对主通道和幽灵通道进行3x3卷积操作。最后，将主通道和幽灵通道的特征图进行拼接，得到最终的输出。

通过引入幽灵通道，GhostBottleneck模块可以更好地捕获细节信息，并且在保持较高性能的同时减少了计算量和参数数量。这使得它在资源受限的环境下具有很好的应用潜力，例如移动设备或嵌入式系统中的图像识别任务。