Key points are not available for this paper at this time.
نشر الشبكات العصبية التلافيفية (CNNs) على الأجهزة المدمجة صعب بسبب محدودية الذاكرة وموارد الحساب. تعتبر الزيادة في خريطة الميزات سمة هامة من سمات هذه الشبكات العصبية التلافيفية الناجحة، ولكنها نادرا ما تمت دراستها في تصميم العمارة العصبية. تقترح هذه الورقة وحدة Ghost جديدة لتوليد مزيد من خرائط الميزات من العمليات الرخيصة. استنادًا إلى مجموعة من خرائط الميزات الجوهرية، نطبق سلسلة من التحولات الخطية بتكلفة منخفضة لتوليد العديد من خرائط الميزات الشبحية التي يمكن أن تكشف تمامًا عن المعلومات الكامنة وراء الميزات الجوهرية. يمكن اعتبار وحدة Ghost المقترحة كعنصر توصيل ولعب لترقية الشبكات العصبية التلافيفية الحالية. تم تصميم عنق الزجاجة Ghost لتكديس وحدات Ghost، ثم يمكن بسهولة إنشاء GhostNet خفيف الوزن. تظهر التجارب التي أجريت على المعايير أن وحدة Ghost المقترحة هي بديل مثير للإعجاب لطبقات الالتفاف في النماذج الأساسية، ويمكن أن تحقق GhostNet لدينا أداءً أعلى في التعرف (على سبيل المثال، 75.7% دقة أعلى) من MobileNetV3 بنفس تكلفة الحساب على مجموعة بيانات تصنيف ImageNet ILSVRC-2012. الكود متاح على https://github.com/huawei-noah/ghostnet.
درس هان وآخرون (مون) هذا السؤال.