TPAMI 2018论文快读

ThiNet: Pruning CNN Filters for a Thinner Net

本篇文章是ICCV2017一篇论文的扩展

1）文章需要解决的问题

传统CNN为了提高精度，绞尽脑汁的增加网路深度和宽度；

虽然精度提升了，但是效率大大降低；

而部分研究表明：网络中实际会有很多没有用的特征图；

所以该文章研究：怎么找到这些没有用的图，然后丢弃产生这些特征图的卷积运算，给模型瘦身

2）文章的核心思想

ThinNet的核心思想在于这个三个公式

1）第一个公式：可以认为是在特定 C通道输入，某一特定位置做卷积；

2）第二个公式，就是常规卷积的表达形式：将所有通道输入的卷积做累加

3）第三个公式：就是找到某一组通道集合S，可以使得只累加这S个通道，得到相当于累加所有通道的结果；这样其它通道以及对应的卷积模板都可以丢弃；

3）那么难点在于，怎么找到这样一个集合S？？？？

文中是这么说的：

1）一次往S里添加一个通道，

2）这个通道是遍历所有剩下通道后，把那个复现最好的通道选上去；