MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

最新推荐文章于 2023-02-06 16:51:15 发布
最新推荐文章于 2023-02-06 16:51:15 发布
阅读量620 收藏 1
点赞数
分类专栏： machine learning CNN ML论文 mobile DL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/holmosaint/article/details/82561880
版权
本文介绍了MobileNets模型，该模型采用depthwise separable convolutions减少计算量，提高移动端运行效率。主要关注点在于优化延迟而非压缩整个模型。depthwise convolution将传统卷积分解为两步，先对每个输入通道应用过滤器，再用1x1卷积合并结果，显著降低了计算复杂度。此外，文章提出了宽度乘数和分辨率乘数两个超参数，用于调整模型大小和输入分辨率，以平衡精度和速度。实验表明，MobileNets在保持性能的同时，显著减少了计算需求。
摘要由CSDN通过智能技术生成

本文提出了MobileNets的模型，有助于减少inference的时间，使得其可以在移动端开展运行。最重要的算法为depthwise separable convolutions，是将传统的卷积算法分解为了两步，可以减少卷积的时间复杂度和实际的运行时间。同时为了在移动端更加灵活地应用，文章提出了两个全局的超参数用来权衡latency和accuracy。

相比于其他的将CNN移植到移动端的方法，MobileNets的关注点不在于压缩整个模型，而是更注重对于Latency的优化。

1 MobileNet Architecture

1.1 Depthwise Separable Convolution

基本思想是将传统卷积拆分成两步：depthwise convolution和pointwise convolution（1×1的卷积）。

首先depthwise convolution，对于每一张input channel施加一个filter；然后使用1×1的pointwise convolution将得到的depthwise convolution的output组合起来。所以，现在我们可以将传统卷积视为一个两层的卷积网络，一层做depthwise convolution，一层做pointwise convolution。

下面来分析一下两种卷积方式的时间复杂度，假设input有M个channel，每个kernel size是Dk×Dk，在卷积之后得到的是N个channel的output，每个feature map是Df×Df。

Standard convolution

总体需要的计算量为：

最低0.47元/天 解锁文章
holmosaint
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【论文阅读笔记】MobileNets Efficient Convolutional Neural Networks for Mobile Vision Applications
梁瑛平的博客
01-30 606
《MobileNets Efficient Convolutional Neural Networks for Mobile Vision Applications 》（一）论文地址：（二）解决的问题:（三）MobileNetsMobileNetsMobileNets 的核心思想：（六）传统卷积的概念：（五）DWconvDWconvDWconv 的概念： （一）论文地址： 《MobileNets ...
模型压缩论文解读1：（MobileNets解读）Efficient Convolutional Neural Networks for Mobile ...-附件资源
03-05
模型压缩论文解读1：（MobileNets解读）Efficient Convolutional Neural Networks for Mobile ...-附件资源
【论文翻译】MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
白纸的专栏
05-10 793
【论文翻译】MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 不放过每一个学习的机会，关注微信公众号：AI算法爱好者 或扫描二维码： MobileNets: Efficient Convolutional Neural Networks for Mobile Visi...
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
mengmengmiao的博客
09-12 459
论文下载链接：https://arxiv.org/pdf/1704.04861.pdf 看题目：Efficient Convolutional Neural Networks for Mobile Vision Applications。首先，efficient，有效率的，难道普通的卷积没有效率吗？难道除了一个个在图片上滑动，还有其他方法提取特征？再看，moblie vision，这是为
【论文阅读】MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications
MoFMan的博客
07-14 870
论文简介： 《MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications》中的MobileNets是Google针对手机等计算资源有限的嵌入式设备提出的轻量级的深层神经网络结构，其特点是在牺牲较少精度的情况下获得较快的运行速度（较少计算量和较少参数）。其核心思想是将传统卷积分解为深度分离卷积（depthwise separable convolutions）和1x1点卷积两步来实现。 一、Introd
论文笔记——MobileNets(Efficient Convolutional Neural Networks for Mobile Vision Applications)
weixin_30855099的博客
10-23 82
论文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications MobileNet由Google提出的一种新的卷积计算方法，旨在加速卷积计算过程。 为了减小网络模型大小，提出了两种比较暴力的裁剪方法。 (1) 直接对channel进行裁剪，这种随机砍掉一些channel，也太暴力了吧...
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解
yuzhijiedingzhe的博客
10-08 1118
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications个人理解 方法提出的动机及背景    MobileNet主要从深度可分离卷积这一点着手来减少计算量。在减小网络模型的计算量这方面，此前Inception已经使用过这一技巧（在网络模块的开头使用以减少计算量），Flattened
【论文学习】MobileNets：Efficient Convolutional Neural Networks for Mobile Vision Applications
热门推荐
斯丢劈德的博客
02-16 1万+
MobileNets是谷歌公司在2017年发布的一种可以在手机等移动终端运作的神经网络结构。论文地址：点击打开链接作者给出了移动端和嵌入式视觉应用的MobileNets模型。MobileNets基于流线型结构设计，使用深度可分离卷积（depthwise separable convolutions）来构建轻量级深度神经网络。作者引入了两个简单的全局超参数（）在速度（latency）和精确度进行折中...
Reading Note: MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
joshua_1988
07-24 2371
TITLE: MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
MobileNets: Efficient Convolutional Neural Networks for Mobile VisionApplications
qq_35912099的博客
08-17 166
深度可分离卷积 conv 3x3 1 就是一个核窗遍历一个通道数据 获得同样大小和深度的图谱 分组进行常规卷积即可实现该功能 conv 1x1 N 进行通道转换 常规卷积 1x1xINXOUT 1
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（1）
yp532的博客
02-06 336
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications翻译
【MobileNet】《MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications》
bryant_meng
01-06 1023
CVPR-2017 caffe版代码：https://github.com/yihui-he/Xception-caffe caffe代码可视化工具：http://ethereon.github.io/netscope/#/editor keras版代码：https://github.com/Hedlen/Mobilenet-Keras/blob/master/model/mobilenet.py 在 CIFAR-10 上的小实验可以参考博客 【Keras-MobileNet v1】CIFAR-10 .
【论文阅读】MobileNet ——MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
qq_41488595的博客
01-30 3025
文章目录论文阅读代码实现modeltrainpredict实验结果 论文阅读 感谢p导 论文链接：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 主要亮点有两个：1、Depthwise separable convlution(a depthwise convolution and a 1*1 convolution) replace standard convolution 2、添加了两个
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications--Andrew
xu.hyj
09-01 1514
MobileNet使用深度可分离卷积搭建而成，通过在分类、目标检测、人脸识别等任务上实验MobileNet都具有很好的表现，可以作为各种图像任务的Backbone。 并且作者设计两个参数控制MobileNet的宽度（通道数）和分辨率，从而可以根据任务改造MobileNet。
mobilenets: efficient convolutional neural networks for mobile vision applications
最新发布
03-16
Mobilenets是一种高效的卷积神经网络，专门用于移动视觉应用。它采用了深度可分离卷积来减少计算量和参数数量，从而使得在移动设备上运行时速度更快，占用更少的存储空间。这使得Mobilenets成为在移动设备上进行实时...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值