深度学习论文: An Improved One millisecond Mobile Backbone及其PyTorch实现
An Improved One millisecond Mobile Backbone
PDF: https://arxiv.org/pdf/2206.04040.pdf
PyTorch代码: https://github.com/shanglianlm0525/CvPytorch
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks
MobileOne(≈MobileNetV1+RepVGG+训练Trick)是由Apple公司提出的一种基于iPhone12优化的超轻量型架构，在ImageNet数据集上以<1ms的速度取得了75.9%的Top1精度。
高效率网络具有更强的实用价值，但学术界的研究往往聚焦于FLOPs或者参数量的降低，而这两者与推理效率之间并不存在严格的一致性。比如，FLOPs并未考虑访存消耗与计算并行度，像无参操作(如跳过连接导致的Add、Concat等)会带来显著的访存消耗，导致更长推理耗时。
2-1 Metric Correlations
从上图可以看出，延迟的快慢与模型的参数量或者FLOPs的相关性较弱，在CPU端相关性更弱。
本文对影响模型性能的两个"瓶颈"进行分析，并提出相应方案；
Activation Functions: 从下表可以看出，尽管具有相同的架构，但不同激活函数导致的延迟差异极大。本文默认选择ReLU激活函数。
Architectural Blocks: 从下表可以看出，当采用单分支结构时，模型具有更快的速度。为改善效率，本文在大模型配置方面有限的采用了SE模块。
MobileOne的核心模块基于MobileNetV1而设计，同时吸收了重参数思想，得到下图所示的结构。
在Model Scaling方面类似MobileNetV2，下表给出了MobileOne不同配置的参数信息。
