点击进入专栏:
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
文章目录
- ShuffleNetV1
-
- 前言
- Abstract—摘要
- 一、Introduction—简介
- 二、Related Work—相关工作
- 三、Approach—方法
- 四、Experiments—实验
- 代码实现
- EfficientNetV2
-
- 前言
- Abstract—摘要
- 一、Introduction—简介
- 二、Related work—相关工作
- 三、EfficientNetV2 Architecture Design—高效EfficientNetV2架构设计
- 四、Progressive Learning—渐进式学习
- 五、Main Results—主要结果
- 六、Ablation Studies—消融研究
- 七、Conclusion—结论
- 代码实现
- 推荐阅读:
ShuffleNetV1
前言
前面我们学了MobileNetV1-3,从这篇开始我们学习ShuffleNet系列。ShuffleNet是Face++(旷视)在2017年发布的一个高效率可以运行在手机等移动设备的网络结构,论文发表在CVRP2018上。这个新的轻量级网络使用了两个新的操作:pointwise group convolution和 channel shuffle ,在保持精度的同时大大降低计算成本。
Abstract—摘要
翻译
我们介绍了一种名为ShuffleNet的计算效率极高的CNN架构,该架构是专为计算能力非常有限(例如10-150 MFLOP)的移动设备设计的。新架构利用了两个新的操作,逐点组卷积和通道混洗,可以在保持准确性的同时大大降低计算成本。 ImageNet分类和MS COCO对象检测的实验证明了ShuffleNet优于其他结构的性能&#