SSD-shufflenet-V2-FPN比Mobilenet V2慢

Question

我已经在tensorflow- models/object_detection上编写了一些自定义代码，以实现SSD-shufflenet-v2-FPN（基于shufflenet v2 1.0）和SSD-mobilenet-v2-FPN（基于mobilenet v2 1.0）。我根据自己的数据集对它们进行了训练。

它们的精度相似，但是执行速度差异很大： 使用相同的输入时，SSD-shufflenet-v2-fpn的时间是SSD-mobilenet-v2-fpn的三倍。（具有1080 * 1920输入，4 * ARM Cortex-A72内核和Android 8.0，SSD-shufflenet-v2- fpn每张图片花费1200ms，SSD-mobilenet-v2-fpn只需400ms）

我尝试用third-party basic network structure替换我的代码-没做任何更改。

在shufflenet v2的论文中，无论在GPU还是ARM上，shufflenet v2 1.0都比mobilenet v2 1.0快得多。有人尝试过这两个网络吗？

ps：对不起，我没有条件在imagenet分类上测试基本网络的性能和coco分类性能。我只有一个经常过热的GTX1080TI，因此太慢了，无法完成这些操作。

实现SSD修改版本的方法非常简单。完成shufflenet v2的代码后，修改ssd_mobilenet_v1_fpn_feature_extractor.py

Answer 1

MobileNetV2 的原始论文：（http://openaccess.thecvf.com/content_cvpr_2018/papers/Sandler_MobileNetV2_Inverted_Residuals_CVPR_2018_paper.pdf）中， MobileNetV2 和 ShuffleNet 体系结构进行了比较，在 6.2 部分中。

人们可能会发现ShuffleNet上的CPU时间没有测量，因为正如作者提到的那样，在进行实验时，并没有在Tensorflow移动框架中有效地实现组卷积和混排操作。这可能也是您遇到的原因。