CIRBlock：融合低代价卷积的轻量反向残差模块

来源：计算机工程与应用杂志2023年第20期北京时间：

作者：余海坤, 吕志刚, 王鹏, 李晓艳, 王洪喜, 李亮亮

单位：1.西安工业大学 电子信息工程学院，西安 710021；2.西安工业大学 机电工程学院，西安 710021；3.西安工业大学 发展规划处，西安 710021

摘要：针对轻量级卷积神经网络MobileNet采用的反向残差结构仍具有较多的冗余计算的问题，构建了一种更为轻量的反向残差模块（cheap inverted residuals block，CIRBlock），并设计了一种新的轻量级卷积神经网络CIRNet。通过低代价卷积操作，简化逐点卷积，并构建旁路分支进行特征复用，减少反向残差的输出通道；利用通道注意力机制和通道混洗，增强通道间信息交流；在下采样时利用旁路分支信息构建和主分支相同的拓扑结构，提高特征冗余结构的通道多样性；完成轻量化网络模块CIRBlock的设计，并通过人工堆叠CIRBlock构建不同复杂度的轻量级卷积神经网络CIRNet。在目标分类上的实验表明：在CIFAR数据集上，基于相同的VGG16架构，使用CIRBlock比使用MobileNetV2的反向残差结构FLOPs降低58.1%，参数量减少55.5%，分类精度损失小于0.4%。在Mini-ImageNet目标分类数据集上，CIRNet分类精度比MobileNetV2高0.35%，FLOPs降低69%，参数量减少77.4%。

关键词：机器视觉,轻量级卷积神经网络,反向残差结构,目标分类