1 实时网络
代表网络有MobileNetV2和ShuffleNetV2
1.1 MobileNetV2
MobileNetV2引入了两种结构Linear Bottleneck和 Inverted Residual Blocks，既能够去除高维度feature的冗余信息，又能够去除低维度feature的信息坍塌。
与MoblieNetV1的相同点：
- 都采用了Depth-wise Convolution和Point-wise Convolution组合的方式(Depth-wise Separable Convolution)来提取特征。该操作可以成倍减少时间复杂度和空间复杂度。
与MoblieNetV1的不同点：
- 在Depth-wise Separable Convolution前面添加一个Point-wise Convolution。通过PW操作升维，在高维特征空间中提取特征。
- 去掉Depth-wise Separable Convolution后面的ReLU，等价于一个Linear Bottleneck结构。
和ResNet的相同点：
- 都采用了1×1 -> 3×3 -> 1×1的模式。
- 都使用了Shortcut操作将输入输出相加。
和ResNet的不同点：
- ResNet通过标准卷积提取特征，MoblieNetV2通过DW卷积提取特征。
- ResNet先降维，卷积，再升维，而MoblieNetV2先升维，卷积，再降维(即ResNet是沙漏形，而MobileNetV2是纺锤形)。
1.2 ShuffleNetV2
四个准则
- G1:通道宽度均衡可以最小化MAC。
- G2:增加组卷积会增加MAC。
- G3:网络碎片化降低了并行度。
- G4:元素操作是不可忽略的。
ShuffleNetV1
ShuffleNetV1采用了pointwise组卷积和类似bottleneck的结构。另外引入一个channel shuffle操作使得不同组的通道信息流通。
由上述4个准则可知，pointwise组卷积和bottleneck结构增加MAC，这违反了G1和G2。使用过多的组数违反了G3。逐元素相加违反了G4。
因此，为了实现较高的模型容量和效率，关键问题是如何保持大量且同样宽的通道，既没有密集卷积也没有太多的分组。
ShuffleNetV2
在每个单元的开始，输入通道数为c的feature通过channel split分成了2个分支，按照准则G3，一个分支作为identity，另一个分支由3个输入输出通道数相同的卷积组成(满足准则G1)。两个1×1卷积不再是group-wise的了，一部分原因是准则G2，另一部分原因是channel split操作已经分成了两组。卷积后，两个分支concat操作，因此输出通道数和输入通道数保持相同(满足准则G1)。随后引入channel shuffle使得两个分支的通道信息流通。
值得注意的是，ShuffleNetV2去掉了Add操作，元素操作比如ReLU和depth-wise convolutions只在一个分支中存在。并且3个连续的操作Concat、Channel Shuffle和Channel Split被合并成一个元素操作。按照准则G4，这些改变对精度是有帮助的。
对于带有下采样的模块，需要稍微修改一下模块，移除掉channel split操作。输出的通道数增加一倍。
2 实时检测
代表网络有Light-Head R-CNN和ThunderNet。这两个网络主要是two-stage的检测网络。
2.1 Light-Head R-CNN
使用薄的feature map和简单的R-CNN子网络(池化和单个全连接组成)，使得网络的head尽可能的轻。
Basic feature extractor
对于L设置来说，用ResNet来提取特征，对于S设置来说，用Xception-like来提取特征。
R-CNN subnet
采用一个2048维的全连接层，后面接2个并行的全连接层来预测分类和回归。
2.2 ThunderNet
ThunderNet的优化目标是二阶段检测器中计算开销大的结构。在backbone部分，设计了轻量级网络SNet，在detection部分，借鉴Light-Head R-CNN的思路，并进一步压缩RPN和R-CNN子网络。为了避免性能的衰退，设计了2个高效的结构CEM和SAM来改善性能。
3 实时分割
代表网络有BiSeNet和DFANet
3.1 BiSeNet
实时语义分割主要有三种做法来加速模型：
- 通过crop或者resize限制输入尺寸，减少计算复杂度。但是这种方法会导致空间细节的丢失。
- 剪枝网络浅层的通道。但是这种方法会减少空间容量。
- drop模型的最后阶段。但是这种方法丢弃了最后阶段的下采样，导致感受野不足以覆盖大的目标。
Bilateral Segmentation Network
基于对过去工作的分析，提出了Bilateral Segmentation Network，引入了2个组件Spatial Path和Context Path，分别用来解决空间信息的丢失和感受野的不足。为了在速度不降低的情况下提升精度，还引入了FFM和ARM结构，分别进行两个分支的融合和精炼预测结果。
3.2 DFANet
实时语义分割的两种方法：
- 使用多个分支来进行多尺度的特征抽取并且保留图像的空间细节。但是这种方法缺乏对由并行分支结合而成的高级特征的处理，另外，并行分支的特征缺乏信息交流，还有，在高分辨率图像上额外添加分支对速度有影响。
- 使用空间金字塔池化(SPP)模块来处理高级特征。但是这种方法非常耗时。
受到以上两种方法的启发，作者提出对网络输出进行上采样，然后用另一个子网络对特征进行精炼。这种做法不同于SPP模块，feature maps在更大的分辨率上进行精炼同时能够学到亚像素的细节。但是这种方法，随着整个结构深度的增长，高维度特征和感受野通常会出现精度损失。
为了进一步提升精度，作者提出stage-level的方法为语义理解提供低级特征和空间信息。因为所有的子网络有相似的结构，stage-level方法通过conat相同分辨率的层精炼产生多阶段的上下文信息。
