移动网络2

MobileNetV2:反向残差和线性瓶颈。在本文中,我们描述了一种新的移动架构MobileNetV2,它改善了移动模型在多个任务和基准以及不同模型大小的频谱上的最新性能。我们还描述了将这些移动模型应用于对象检测的有效方法,我们称之为SSDLite。此外,我们还演示了如何通过一个简化的DeepLabv3(我们称之为mobile DeepLabv3)来构建移动语义分割模型。MobileNetV2架构基于一个反向残差结构,其中残差块的输入和输出是与传统残差模型相反的薄瓶颈层,后者在输入中使用扩展表示。MobileNetV2使用轻量级深度卷积来过滤中间扩展层中的特征。此外,我们发现,为了保持表现力,去除狭义层中的非线性是很重要的。我们证明这可以提高性能,并提供了一种直觉,从而导致了这种设计。最后,我们的方法允许将输入/输出域与转换的可表达性分离,这为进一步的分析提供了一个方便的框架。我们测试了我们在Imagenet分类、COCO对象检测、VOC图像分割等方面的性能。我们评估精度与乘法加法(MAdd)测量的操作数以及参数数量之间的权衡


zbMATH中的参考文献(参考文献17条)

显示第1到17个结果,共17个。
按年份排序(引用)

  1. 罗斯利达,罗斯利达;赛亚拉迪,莫赫德;萨达米,凯伦;普拉丹,比斯瓦吉特;阿尼娅,菲特里;梅门,锡克里;Munadi,Khairul:BreaCNet:基于移动卷积神经网络的高精度乳腺热像图分类器(2022)
  2. 李昌林、唐涛、王广润、彭洁峰、王冰、梁晓丹、张晓军:博斯纳斯:用块智能自监督神经结构搜索探索CNN混合变形金刚(2021)阿尔十四
  3. 刘春雷;丁文瑞;胡、元;张宝昌;刘建庄;郭国栋;David Doermann:带生成对抗性学习的修正二元卷积网络(2021)
  4. 托阿萨,梅苏特;Cömert,扎弗;Ergen,Burhan:应用自动编码器、MobileNetV2和峰值神经网络的智能皮肤癌检测(2021)
  5. 托阿萨,梅苏特;Cömert,扎弗;Ergen,Burhan:“应用自动编码器、MobileNetV2和峰值神经网络的智能皮肤癌检测”勘误表(2021年)
  6. 张国忠、周忠;Nguyen,Hang Tuan:回溯梯度下降法及其在大规模优化中的应用。二: 算法与实验(2021)
  7. 吴振妮;陈恒新;方、彬;李子豪;陈新润:基于CNNs的无人机姿态估计(2021)
  8. 谢启阳;王兴瑞;孙红玉;张永涛;吕翔:基于ResNet和LSTM的心律疾病心电信号检测与分类(2021)
  9. 杨红飞;丁晓峰;陈,雷蒙德;胡,慧;彭亚新;曾铁勇:一种新的基于规范统计空间的深部网络初始化方法(2021)
  10. 阿莫索夫,画外音。;阿莫索瓦公司。;日加诺夫公司。;伊万诺夫,余。S、 。;Pashchenko,F.F.:在访问控制系统中使用深层神经网络识别连续视频流帧中的情况和对象的计算方法(2020)
  11. 陈高,陈云鹏,刘思思,谭振雄,严水成:对抗性神经结构搜索(2020)阿尔十四
  12. 高静;李鹏;陈志奎;张建宁:多模数据融合的深度学习研究(2020)
  13. 康,东色;安长宇:遗传搜索的有效神经网络空间(2020)
  14. 卡姆勒,库玛;赛义德,乌麦尔;拉伊,阿索;伊斯兰教,诺曼;谢赫,古兰·穆罕默德;Qayoom,Abdul:IDC使用深度学习计划检测乳腺癌(2020年)
  15. 夏尔玛,维普尔;Mir,Roohie Naaz:基于深度学习的目标检测技术的全面系统研究:综述(2020)
  16. 瓦拉达,阿比纳夫;莫汉,罗希特;Burgard,Wolfram:多模式语义分割的自监督模型自适应(2020)
  17. Orest Kupyn,Tetiana Martyniuk,Junru Wu,Zhangang Yang Wang:DeblurGAN-v2:更快更好地去模糊(数量级)(2019年)阿尔十四