SqueezeNet 模型简介

SqueezeNet 是一种轻量级的神经网络架构，由 Hubert et al. 在 2016 年提出。它通过 Squeeze-and-Excitation 模块有效地提高了网络的通道表达能力和特征融合能力，同时保持了较轻的模型尺寸。

核心特点

• Squeeze-and-Excitation 模块：通过自适应地缩放每个通道的特征，增强了网络的感受野和通道之间的关系。
• Fire 模块：包含 squeeze 和 expand 两个子模块，squeeze 模块将空间特征压缩为全局特征，expand 模块将全局特征展开到不同的通道上，以增加特征的表达能力。
• 轻量级：SqueezeNet 的参数数量和计算量都比传统的卷积神经网络要少，非常适合移动设备和嵌入式系统。

应用场景

SqueezeNet 适用于需要高性能计算资源受限的场景，例如：

• 移动设备
• 嵌入式系统
• 实时视频分析
• 可穿戴设备

扩展阅读

更多关于 SqueezeNet 的信息，您可以访问以下链接：

• SqueezeNet 论文

SqueezeNet 架构图