“FeatherNets"

Introduction

为了解决需要计算量和内存的问题，设计一个轻量级的CNN结构，同时设计了一个叫做Streaming module的结构，它在准确率的表现上比GAP要好很多。

Approach

–>Sreaming module

GAP虽然在目标检测上可以降低过拟合，但是在人脸检测上，由于不同人脸部分的重要程度不同，因此提出了使用深度分离卷积(DWConv)来代替GAP，同时也去掉了全连接层，让这个网络更加轻量级。

Streaming module 是由一个深度分离卷积，并采用步长超过1的核进行下采样，然后再压缩成一个一维的特征向量：

计算公式如下:

等式左边_FV_是被压缩的特征向量，具有_N=H’xW’xC_个元素，其中：

在上式中坐标为（y,x）在右边K是深度分离卷积的核，F是最初始的FeatureMap，