[论文解读]ICML 2019|EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

最新推荐文章于 2022-03-06 19:51:05 发布
最新推荐文章于 2022-03-06 19:51:05 发布
阅读量935 收藏 3
点赞数
分类专栏： 论文阅读
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/weixin_43859829/article/details/103698210
版权
EfficientNet是谷歌提出的重新思考模型扩展的方法，通过平衡深度、宽度和分辨率的关系，实现更高效的CNN。作者通过复合缩放（Compound Scaling）策略，找到了优化网络性能的参数组合，超越了多个经典网络，在多个数据集上表现出色。论文的核心是寻找网络维度的最佳平衡，以提高准确性和效率。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

题目：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
作者：GOOGLE Mingxing Tan Quoc V. Le

Motivation:
作者认为网络的扩展是对效果有很大帮助的，但是人们一直没有找到一个有效的扩展方法。通过人工去调整 depth, width, resolution 的放大或缩小的很困难的，在计算量受限时有放大哪个缩小哪个，这些都是很难去确定的。作者发现在网络扩展时，通过平衡网络的深度、宽度、像素大小之间的关系来建模，可以取得惊人的效果，因此提出EfficientNet.
还是先看效果图：

在这里插入图片描述

Related Works:
计算accuracy：
单stage：
在这里插入图片描述
多stage:
在这里插入图片描述

最低0.47元/天 解锁文章
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
01-09 8902
Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读 导读：2019年11月21日，谷歌大脑团队发布了论文 EfficientDet: Scalable and Efficient Object Detection。 Google Brain 团队的三位 Auto ML 大佬 Ming...
精解：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
随风i的博客
06-14 1019
Abstract: CNN通常都是在固定资源预算下开发设计，如果有更多的可用资源再将模型结构放大以获取更高的精度。这篇文章系统性的研究了模型的缩放并且仔细验证了网络深度，宽度，分辨率之间的平衡可以使网络获得更好地性能表现。基于此发现，提出了一个新的网络缩放方法----利用一个简单且高效的复合系数来完成对深度/宽度/分辨率所有维度的统一缩放。文中通过MobileNets和ResNets对这种方法的高效性进行了展示。 更进一步说，文中使用神经网络结构搜索设计一个新的baseline网络，并且将模...
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
huangyiping12345的博客
04-28 1043
参考文献：https://arxiv.org/pdf/1905.11946.pdf 代码实现：https://github.com/lukemelas/EfficientNet-PyTorch 包括理解！ EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 摘要 卷积神经网络（ConvNets）通常是在固...
[ICML19]EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
gdtop的个人笔记
06-09 8278
个人觉得idea很不错，中心思想是直接对整体架构进行scale以达到减少参数的目的，也是Quoc V. Le刚发表在ICML19的文章，并且在Imagenet达到了最新的state-of-art级别的work。pytorch版本 Abstract 卷积神经网络(ConvNets)通常是在固定的资源预算下开发的，如果有更多的资源可用，则会进行扩展以获得更高的精度。在本文中，我们系统地研究了模型缩...
【论文阅读】EfficientNet——EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
qq_41488595的博客
03-06 1430
文章目录论文阅读MBConv结构代码实现modeltrainpredict实验结果 论文阅读 感谢p导 EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 本文主要工作是提出了一个在三个维度上（图像分辨率R、网络深度D、channel的宽度W）的合理scale方法。 在之前的一些论文中，基本都是通过改变上述3个参数中的一个来提升网络的性能。通过增加网络深度，例如block的堆叠；增加网络宽度，增加每层feature
【论文阅读】EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
ccamelliatree的博客
05-22 753
EfficientNet 简介 paper：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks conference：2019 ICML 团队：Google Research, Brain Team 代码：官方源码 研究内容：网络的拓扑结构和尺寸大小设计是决定性能的关键点，本文给出一种方案，先用NAS搜索出一个较小的表现好的拓扑结构，再给出一个缩放的办法，使放大后的网络模型也能获得较好的效果。 之前的工作：Res
efficientnet rethinking model scaling for convolutional neural networks(ConvNets)论文阅读
shuijinghua的博客
05-13 357
代码链接：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet 第三方实现的PyTorch代码：https://github.com/lukemelas/EfficientNet-PyTorch convolutional neural networs(ConvNets) 这篇ICML2019...
EfficientNet-B5提出于哪篇文献
最新发布
03-29
文献名称：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 作者：Mingxing Tan, Quoc V. Le 然后，根据要求生成相关问题，需要围绕EfficientNet的设计、应用、优化等方面提问。提出...
EfficientNet论文
03-08
- **标题**: EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks - **作者**: Mingxing Tan, Quoc V. Le - **发表时间**: 2019年 - **会议**: International Conference on Machine ...
【轻量级网络】EfficientNet--Rethinking Model Scaling for Convolutional Neural Networks
筱
07-23 545
github: EfficientNet 一、Abstract EfficientNet这篇论文系统地研究了model scaling，并验证通过平衡network depth, width, and resolution，网络可获得更好的性能。 EfficientNet中提出了一个新的scaling方法，使用简单但高效的compound coefficient对三个维度进行统一缩放。 本文作...
#Paper Reading# EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
John159151的专栏
02-23 416
论文题目: EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 论文地址: https://arxiv.org/abs/1905.11946 论文发表于: ICML 2019 论文大体内容： 本文主要提出了EfficientNet模型，来同时考虑网络的deep、width、resolution（分辨率）...
论文阅读——EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
qq_37151108的博客
09-29 4898
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks Abstract 卷积神经网络常受限于计算资源，如果资源足够的情况下可通过缩放网络进一步提升网络性能。本文则系统性的研究了如何平衡网络深度、宽度、分辨率综合性对网络进行缩放，提升网路哦性能。 
基于前期试验结果提出了复合缩放策略（Compound scaling method),并在MobileNet和ResNet模型上验证了复合缩放的有效性。
 
更进一步，本文
EfficientNet:Rethinking Model Scaling for Convolutional Neural Networks（中文翻译）
wuhongwuyan的博客
06-11 823
摘要 卷积神经网络 (ConvNets) 通常是在固定资源预算下开发的，如果有更多资源可用，则可以扩大规模以提高准确性。 在本文中，我们系统地研究了模型缩放并确定仔细平衡网络深度、宽度和分辨率可以带来更好的性能。 基于这一观察，我们提出了一种新的缩放方法，该方法使用简单而高效的复合系数统一缩放深度/宽度/分辨率的所有维度。 我们证明了这种方法在扩大 MobileNets 和 ResNet 方面的有效性。 为了更进一步，我们使用神经架构搜索来设计一个新的基线网络并将其扩展以获得一系列模型，称为 Efficie
【ICML论文阅读】EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
二十二画生
09-03 624
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 前言 我们在设计一个网络的时候会考虑到网络的深度、宽度、输入图片的分辨率，人们常常将网络加深和加宽，或者是增加输入图片的分辨率来改进准确度。如ResNet can be scaled up from ResNet-18 to ResNet-200 by ...
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks（2019）
Amoni的博客
05-02 701
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks（2019）Abstract1. Introduction2. Related Work3. Compound Model Scaling3.1. Problem Formulation3.2. Scaling Dimensions3.3. Compoun...
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks论文解读（EfficientNet详解）
魔筝炼药师
06-26 328
待更新
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