1. MobileNetV3介绍
1.1 摘要:我们展示了基于互补搜索技术和新颖架构设计相结合的下一代 MobileNet。 MobileNetV3 通过结合硬件感知网络架构搜索 (NAS) 和 NetAdapt 算法来针对手机 CPU 进行调整,然后通过新颖的架构进步进行改进。 本文开始探索自动搜索算法和网络设计如何协同工作,以利用互补的方法来提高整体技术水平。 通过这个过程,我们创建了两个新的 MobileNet 模型来发布:MobileNetV3-Large 和 MobileNetV3-Small,分别针对高资源和低资源用例。 然后对这些模型进行调整并将其应用于对象检测和语义分割的任务。 对于语义分割(或任何密集像素预测)的任务,我们提出了一种新的高效分割解码器精简版简化空洞空间金字塔池(LR-ASPP)。 我们在移动分类、检测和分割方面取得了最先进的结果。 与 MobileNetV2 相比,MobileNetV3-Large 在 ImageNet 分类上的准确率提高了 3.2%,同时延迟减少了 20%。 与具有相当延迟的 MobileNetV2 模型相比,MobileNetV3-Small 的准确度提高了 6.6%。 MobileNetV3-Large 检测速度比 MobileNetV2 在 COCO 检测上快 25% 以上,且准确度与 MobileNetV2 大致相同。 MobileNetV3-Large LRASPP 比 MobileNetV2 R-ASPP 快 34%,城市景观分割的准确度相似。
官方论文地址: