Sep, 2022
通过建模上下文依赖性实现精确的二进制神经网络
Towards Accurate Binary Neural Networks via Modeling Contextual
Dependencies
TL;DR本文中，我们提出了可用于学习视觉模型的有效二进制神经模块。我们将二进制多层感知器（MLP）块作为二进制卷积块的替代方案，通过模型化短程和长程特征依赖关系来解决二进制模型上下文依赖关系的问题。我们构建了显式上下文依赖建模的BNNs，称为BCDNet，在标准的ImageNet分类基准测试中，BCDNet实现了72.3％的Top-1准确率，并以类似的操作超越了领先的二进制方法。