ghostnet网络结构
时间: 2023-09-27 20:10:52 浏览: 133
网络结构介绍
GhostNet是由四川大学的学者提出的一种轻量级卷积神经网络结构,其主要特点是采用了Ghost Module,即Ghost Bottleneck模块来替代传统的ResNet中的Bottleneck模块。Ghost Module在减小模型大小的同时保持了模型的精度,因此在移动设备上有着较好的应用前景。
GhostNet的网络结构主要分为四个部分:stem、ghost stage、stage 2~n和classifier。其中,stem主要用于对输入的图像进行初步特征提取,ghost stage是GhostNet的核心模块,由多个Ghost Bottleneck模块组成,stage 2~n则是由多个标准的Bottleneck模块组成的,用于进一步提取特征,最后的classifier则是将提取到的特征进行分类输出。
Ghost Bottleneck模块与ResNet的Bottleneck模块类似,但是通过使用Ghost Module来替代ResNet中的Conv2d操作,将模型中的参数量减少了约50%。Ghost Module使用1x1卷积和分组卷积来进行特征提取,通过将输入通道分成多个组,每个组只跟另一个组进行卷积操作,从而大大减少了模型中的参数量。
GhostNet在训练时使用了Mixup数据增强技术,加强了模型的泛化能力。同时,GhostNet还采用了SENet中的Squeeze-and-Excitation模块,进一步提高了模型的精度。
阅读全文