深度学习【36】mobilenetV2

本文探讨了MobilenetV2的改进,重点在于引入了Inverted residual block,与传统的residual block结构对比。 MobilenetV2的最后一个层使用线性激活函数,并通过参数t控制中间层通道数。实验结果显示,该模型在ImageNet上的性能优于ShuffleNet,在COCO物体检测中,基于SSD框架的12M模型,mAP表现略优于yoloV2。
摘要由CSDN通过智能技术生成

mobilenet的一个改进,加上了Inverted residual block。residual block 和Inverted residual block:
这里写图片描述
两者的不同是,residual block的中间两个卷积层的通道数比输入和输出的通道数少。而Inverted residual block则相反。

不同模型的block对比:
这里写图片描述

需要注意的是,mobilenetV2最后的输出层的激活函数是线性激活函数,不是relu。这个论文有详细的说明。

论文采用t来控制Inverted residual block中间两层的通道数与输入输出两层的通道数关系:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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