現行の手法では残差接続の入力チャンネルの枝刈りが行われて、bottleneck構造の中間層のサイズだけが小さくなり、表現能力が著しく低下している。 そこで、出力チャンネルも同時に枝刈りを行うことでbottleneck構造を維持するか、wallet構造に留める手法を提案した。 また、小規模データでの性能劣化を低減させるためにlabelのノイズを抑えるlabel refinementを提案した。

ImageNetでResNet50に提案手法を施し、素のモデルよりも、パラメータ数を1/4、積和演算回数を1/4にしながら精度の低下を2 ～ 3%に抑えた。 また、小規模データ（数千枚で30～200カテゴリ）で提案手法を施した場合は、単にfine-tuningしたMobileNetV2やResNet50よりも積和演算回数を1/3～1/4にしながら同程度、または、より高い精度を達成した。