PaddleClas/docs/zh_CN/models/MixNet.md

MixNet系列

概述

MixNet是谷歌出的一篇关于轻量级网络的文章，主要工作就在于探索不同大小的卷积核的组合。作者发现目前网络有以下两个问题：

• 小的卷积核感受野小，参数少，但是准确率不高
• 大的卷积核感受野大，准确率相对略高，但是参数也相对增加了很多

为了解决上面两个问题，文中提出一种新的混合深度分离卷积(MDConv)(mixed depthwise convolution)，将不同的核大小混合在一个卷积运算中，并且基于AutoML的搜索空间，提出了一系列的网络叫做MixNets，在ImageNet上取得了较好的效果。论文地址

精度、FLOPS和参数量

Models	Top1	Top5	Reference top1	FLOPS (M)	Params (M)
MixNet_S	76.28	92.99	75.8	252.977	4.167
MixNet_M	77.67	93.64	77.0	357.119	5.065
MixNet_L	78.60	94.37	78.9	579.017	7.384

关于Inference speed等信息，敬请期待。