最终，PP-LCNet 中的 SE 模块的位置选用了表格中第三行的方案 。
更大的卷积核
在 MixNet 的论文中，作者分析了卷积核大小对模型性能的影响，结论是在一定范围内大的卷积核可以提升模型的性能，但是超过这个范围会有损模型的性能 ， 所以作者组合了一种 split-concat 范式的 MixConv，这种组合虽然可以提升模型的性能，但是不利于推理 。我们通过实验总结了一些更大的卷积核在不同位置的作用，类似 SE 模块的位置，更大的卷积核在网络的中后部作用更明显，下表展示了 5x5 卷积核的位置对精度的影响：
实验表明，更大的卷积核放在网络的中后部即可达到放在所有位置的精度，与此同时，获得更快的推理速度 。PP-LCNet 最终选用了表格中第三行的方案 。
GAP 后使用更大的 1x1 卷积层
在 GoogLeNet 之后，GAP（Global-Average-Pooling）后往往直接接分类层，但是在轻量级网络中，这样会导致 GAP 后提取的特征没有得到进一步的融合和加工 。如果在此后使用一个更大的 1x1 卷积层（等同于 FC 层） ， GAP 后的特征便不会直接经过分类层，而是先进行了融合，并将融合的特征进行分类 。这样可以在不影响模型推理速度的同时大大提升准确率 。
BaseNet 经过以上四个方面的改进 ， 得到了 PP-LCNet 。下表进一步说明了每个方案对结果的影响：
下游任务性能惊艳提升
图像分类
图像分类我们选用了 ImageNet 数据集，相比目前主流的轻量级网络，PP-LCNet 在相同精度下可以获得更快的推理速度 。当使用百度自研的 SSLD 蒸馏策略后 ， 精度进一步提升，在 Intel CPU 端约 5ms 的推理速度下 ImageNet 的 Top-1 Acc 竟然超过了 80%，Amazing?。。?
目标检测
目标检测的方法我们选用了百度自研的 PicoDet，该方法主打轻量级目标检测场景 。下表展示了在 COCO 数据集上、backbone 选用 PP-LCNet 与 MobileNetV3 的结果的比较 。无论在精度还是速度上，PP-LCNet 的优势都非常明显 。
【骨干网络 骨干网络是什么意思】语义分割
语义分割的方法我们选用了 DeeplabV3+ 。下表展示了在 Cityscapes 数据集上、backbone 选用 PP-LCNet 与 MobileNetV3 的比较 。在精度和速度方面，PP-LCNet 的优势同样明显 。
实际拓展应用结果说明
PP-LCNet 在计算机视觉下游任务上表现很出色，那在真实的使用场景如何呢？本节简述其在 PP-OCR v2、PP-ShiTu 上的表现 。
在 PP-OCR v2 上，只将识别模型的 backbone 由 MobileNetV3 替换为 PP-LCNet 后，在速度更快的同时，精度可以进一步提升 。
在 PP-ShiTu 中，将 Backbone 的 ResNet50_vd 替换为 PP-LCNet-2.5x 后，在 Intel-CPU 端，速度快 3 倍，recall@1 基本和 ResNet50_vd 持平 。
PP-LCNet 并不是追求极致的 FLOPs 与 Params，而是着眼于深入技术细节，耐心分析如何添加对 Intel CPU 友好的模块来提升模型的性能来更好地进行准确率和推理时间的平衡，其中的实验结论也很适合其他网络结构设计的研究者，同时也为 NAS 搜索研究者提供了更小的搜索空间和一般结论 。
推荐阅读
- 环保床垫是什么材料 环保床垫是什么材料组成的
- 梦到买了很多菜 梦到买了很多菜是什么意思
- 梦到苹果梨 梦到苹果梨是什么意思
- 梦到吃青辣椒 梦到吃青辣椒是什么预兆
- 梦到给别人花生 梦到给别人花生是什么意思
- 梦到银耳 梦到银耳是什么意思
- 房子备案价是什么意思 什么是房子备案价
- 梦到卖米 梦到卖米是什么预兆
- 梦到切豆腐 梦到切豆腐块是什么意思
- 孕妇梦到摘红枣 孕妇梦到摘红枣是什么意思