ShuffleNet V2: Praktische Richtlinien für ein effizientes Design von CNN-Architekturen

Derzeit wird das Design der Architektur neuronaler Netze überwiegend durch die indirekte Kennzahl der Berechnungscomplexität, d. h. FLOPs, geleitet. Allerdings hängt die direkte Kennzahl, z. B. die Geschwindigkeit, auch von anderen Faktoren ab, wie den Kosten für den Speicherzugriff und den Eigenschaften der Plattform. Daher schlägt diese Arbeit vor, die direkte Kennzahl auf der Zielplattform zu bewerten, anstatt nur FLOPs zu berücksichtigen. Basierend auf einer Reihe kontrollierter Experimente leitet diese Arbeit mehrere praktische Richtlinien für ein effizientes Netzwerkdesign ab. Dementsprechend wird eine neue Architektur vorgestellt, die ShuffleNet V2 genannt wird. Umfassende Ablationsexperimente bestätigen, dass unser Modell hinsichtlich des Geschwindigkeits- und Genauigkeitskompromisses den neuesten Stand der Technik darstellt.