HBONet: Gargalo Harmonioso em Duas Dimensões Ortogonais

MobileNets, uma classe de arquiteturas de rede neural convolucional de alto desempenho em termos de precisão e eficiência, são cada vez mais utilizadas em muitas aplicações de visão que levam em conta recursos. Neste artigo, apresentamos o Gargalo Harmonioso em duas dimensões ortogonais (HBO), uma nova unidade de arquitetura, especialmente adaptada para aumentar a precisão de MobileNets extremamente leves com nível de menos de 40 MFLOPs. Ao contrário dos designs de gargalo existentes que se concentram principalmente em explorar as interdependências entre os canais de características convolucionais, seja em grupo ou por profundidade, nosso HBO melhora a representação do gargalo enquanto mantém complexidade semelhante por meio da codificação conjunta das interdependências das características em ambas as dimensões espaciais e de canais. Ele possui dois componentes recíprocos, a saber, contração-expansão espacial e contração-expansão de canal, aninhados em uma estrutura simétrica bilateral. A combinação de duas transformações interdependentes atuando em dimensões ortogonais de mapas de características aprimora a representação e a capacidade de generalização de nosso módulo proposto, garantindo desempenho convincente com recursos computacionais e de energia limitados. Ao substituir os gargalos originais na espinha dorsal do MobileNetV2 pelos módulos HBO, construímos os HBONets, que são avaliados na classificação do ImageNet, detecção de objetos PASCAL VOC e re-identificação de pessoas Market-1501. Extensos experimentos mostram que, com a severa limitação do orçamento computacional, nossos modelos superam os equivalentes do MobileNetV2 por margens notáveis de até 6,6%, 6,3% e 5,0% nas benchmarks acima, respectivamente. O código e os modelos pré-treinados estão disponíveis em https://github.com/d-li14/HBONet.