《表3 不同卷积EFF值对比》
ESPNetV2是对应用于语义分割的卷积神经网络ESPNetV1进行通用化后推出的网络结构。该网络的核心构建模块是EESP单元,它使用可膨胀可分离卷积来代替标准卷积运算。深度可膨胀可分离卷积(depthwise dilated separable)通过将标准卷积分解为两层,来实现过滤器的轻量化:一是深度可膨胀可分离卷积引入了膨胀率r,该参数能够有效提高卷积运算的感受野(receptive field);二是逐点卷积学习输入的线性组合,降低了计算成本。假设输入通道数为M,输出通道数为N,卷积核大小为K×K。深度可膨胀可分离卷积计算复杂度是标准卷积的1/N+1/K2倍。表3中提供了不同类型卷积之间的比较。其中EFF代表的是有效感受野值,g为分组的数量,Kr=(K-1)×r+1。
图表编号 | XD00151448800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 郎磊、夏应清 |
绘制单位 | 华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |