《表3 不同卷积EFF值对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《紧凑的神经网络模型设计研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。