ShuffleNetV2简述（图像分类篇）

最新推荐文章于 2022-06-07 14:17:28 发布
最新推荐文章于 2022-06-07 14:17:28 发布
阅读量1.1k 收藏 2
点赞数 1
分类专栏： 图像分类 文章标签： 分类 数据挖掘 人工智能
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_47397155/article/details/122543182
版权

文章是对博主视频讲解的一些总结。
博主链接：https://blog.csdn.net/qq_37541097?spm=1001.2014.3001.5509

1.预言

ShuffleNetV2和MobileNet一样属于轻量级的网络，出自旷视之手。，但是不一样的地方在于，ShuffleNetV2的优化点更精细一些，完全瞄准轻量化这个目标而设计。
在V1的基础上提出了修改，主要参考四点准则
在这里插入图片描述在这里插入图片描述

2.亮点

  • 作者提出直接的对网络速度测量应该代替FLOPs，并针对网络的速度提出了四点建议
    在这里插入图片描述

2.1 准则1

卷积操作时，输入输出采用相同通道数可以降低MAC
在这里插入图片描述
在这里插入图片描述

2.2 准则2

过多的组，会导致MAC增加
在这里插入图片描述
在这里插入图片描述

2.3 准则3

分支数量过少，模型速度越快
在这里插入图片描述在这里插入图片描述

2.4 准则4

*** 不要忽略元素级操作***

在这里插入图片描述

3. 网络结构

3.1 Channel Split操作

图a,b是ShuffleNetV1的层结构。
图c,d是ShuffleNetV2的层结构。
在这里插入图片描述

3.2 ShuffleNetV2网络结构

在这里插入图片描述

栋哥爱做饭
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
shufflenetv2替换YOLOv8主干
qq_41920323的博客
07-24 396
shufflenetv2替换yolov8主干
shuffleNet v2
小菜鸟的AI之路
08-17 7332
论文名称：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 论文地址：https://arxiv.org/abs/1807.11164 目前，CNN网络在图像识别领域大放异彩，从最初的AlexNet到后面的GoogLeNet,ResNet,识别精度越来越高，但是除了精度之外，模型的计算复杂度也越来...
ShuffleNetV2
qq_16130715的博客
01-23 411
论文地址 摘要  近年来，神经网络的结构设计极大地被间接度量计算复杂度（如FLOPs）导向，直接度量速度还会被其它因素诸如内存存取消耗和平台特性所影响。因此，我们的工作打算计算目标平台的直接度量，而不仅仅考虑间接度量FLOPs。基于一系列的限制性实验，我们的工作获得了一些有效的网络设计的实用指南。相应地，我们提出了ShuffleNet...
shuffleNet V2
文尹习习的博客
08-07 5462
论文出发点：旨在设计一个轻量级但是保证精度、速度的深度网络 分析当前： 1、直接用FLOP来衡量算力，不够准确。因为不同的网路，即使参数量相同（模型大小相同），但是模型速度还是存在差异。改为直接用速度（speed）来衡量 2、直接影响速度的因素，首先MAC，比如分组卷积，需要强大的算力对设备GPU是个挑战；其次并行度。 因此，设计网络需要考虑：speed和platform 同时提出4条设...
ShuffleNet V2
weixin_41172694的博客
01-07 1168
版权声明：本文为博主原创文章，未经博主允许不得转载 论文：Practical Guidelines for Efficient CNN Architecture Design 链接：https://arxiv.org/abs/1807.11164 第三方代码： ECCV2018关于模型加速和压缩的文章   论文详解： 作者在摘要和介绍里提到目前网络结构是根据computation ...
shufflenet图像分类
zhangyan的博客
06-07 292
shufflenet训练
计算机视觉入门--图像分类简介及算法
KobeLovesDawn的博客
02-07 1万+
简介 图像分类的任务就是给定一个图像，正确给出该图像所属的类别。对于超级强大的人类视觉系统来说，判别出一个图像的类别是件很容易的事，但是对于计算机来说，并不能像人眼那样一下获得图像的语义信息。 计算机能看到的只是一个个像素的数值，对于一个RGB图像来说，假设图像的尺寸是32*32，那么机器看到的就是一个形状为3*32*32的矩阵，或者更正式地称其为“张量”（“张量”简单来说就是高维的矩阵），那么...
医学图像分类_深度学习与医学图像分析
weixin_39929377的博客
12-13 5861
本科刚毕业整理的文章，放出来给大家参考，欢迎批评指正！摘要随着医学成像技术和计算机技术的不断发展和进步，医学图像分析已成为医学研究、临床疾病诊断和治疗中一个不可或缺的工具和技术手段。近几年来，深度学习（Deep learning,DL），特别是深度卷积神经网络（Convolutional neural networks,CNNs）已经迅速发展成为医学图像分析的研究热点，它能够从医学图像大数据中自动...
简述计算机监督分类的基本原理,（揽宇方圆）遥感图像的计算机分类方法包括监督分类和非监督分类...
weixin_29374181的博客
07-15 1623
原标题：(揽宇方圆)遥感图像的计算机分类方法包括监督分类和非监督分类遥感数字图像的计算机(自动识别)分类遥感图像计算机解译的主要目地是将遥感图像的地学信息获取发展为计算机支持下的遥感图像智能化识别，其最终目地是实现遥感图像理解。其基础工作就是遥感数字图像的分类。遥感图像的计算机分类方法包括监督分类和非监督分类。l 监督分类：事先有类别的先验知识，根据先验知识选择训练样本，由训练样本得到分类准则。 ...
使用卷积神经网络进行图像分类
深度学习与计算机视觉
02-23 1万+
介绍卷积神经网络属于深度学习的子域。深度学习中的算法以与人脑相同的方式来处理信息，但其规模很小，因为我们的大脑太复杂了（我们的大脑大约有860亿个神经元）。为什么使用CNN进行图像分类？图...
shuffleNetV2
大泽之国
11-11 1379
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design Why ResNet，DenseNet等网络已经把分类问题的精度推到一个很高的水平，而很多轻量级网络MobleNet， XceptionNet和ShuffleNet则在不牺牲太多精度的前提下，降低网络计算量，令深度学习网络可以运行在一些资源受限的平台上...
【论文】旷视科技提出的新型轻量架构ShuffleNet V2
07-30
旷视科技提出针对移动端深度学习的第二代卷积神经网络 ShuffleNet V2。论文已被ECCV 2018收录
ShuffleNet v2论文笔记
nokio0034的专栏
07-30 618
旷视科技近日公开了一篇CNN结构设计优化的文章（已被ECCV2018收录），分享下自己的阅读笔记。 文章提出：FLOPs虽然可以反映计算复杂度，但不能体现计算的速度和延迟(latency)，最直观的例子就是MobileNet v2和NASNET-A具有相当的FLOPs，但前者的计算速度更快。作者分析形成差异的原因有两点： a.MAC(Meomry Access Cost)即内存访问代价的不同 ...
ShuffleNet v2算法笔记
热门推荐
AI之路
07-31 3万+
论文：ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design 论文链接：https://pan.baidu.com/s/1so7aD3hLKO-0PB8h4HWliw 这篇是ECCV2018关于模型加速和压缩的文章，是之前ShuffleNet的升级版。这篇文章的观点和实验都比较新颖，看完还是有不少收获的，特来...
轻量级网络：ShuffleNet V2
qq_38156104的博客
07-22 766
ShuffleNet V2受启发于ShuffleNet V1，但并不局限于此，作者为轻量级网络的设计提出了一个新的直接指标和衡量标准，并通过一系列实验，对未来轻量级网络模型的设计提供了四点重要的思路和指导方针，最后在ShuffleNet V1的基础上进行了改进，结合四点指导方针，完成了ShuffleNet V2的构建。 Motivation 作者首先分析了现有的很多轻量级网络，例如MobileNet V2，ShuffleNet V1等，认为这些网络模型在设计和评估测试阶段，过于迷信FLOPs（每秒浮.
轻量级网络——ShuffleNetV2
Clichong
06-24 2万+
回顾：轻量级网络——ShuffleNetV1 paper链接：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 关键内容： ShuffleNetV2中提出了一个关键点，之前的轻量级网络都是通过计算网络复杂度的一个间接度量，即FLOPs为指导。通过计算浮点运算量来描述轻量级网络的快慢。但是从来不直接考虑运行的速度。在移动设备中的运行速度不仅仅需要考虑FLOPs，还需要考虑其他的因素，比如内存访问成本(memory
轻量化网络：ShuffleNet V2
人工智能技术学习与分享
08-04 3190
Guideline 1-4: ShuffleNet V2 疑问： ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 由Face++及清华的研究者共同发表，已被ECCV-2018收录 论文下载地址：https://pan.baidu.com/s/1so7aD3hLKO-0PB...
【图像分类】ShuffleNet: 一个极端高效的移动端卷积神经网络
CV前沿
05-19 1038
码字不易，欢迎点赞。文章同步发布在公众号：CV前沿 在上一篇文章中，我们已经介绍了一种针对移动端和嵌入式设备的卷积神经网络—-MobileNet。今天我们要介绍的是旷视科技在2017年12月份提出的更加高效的移动端卷积神经网络—-ShuffleNet。 在ShuffleNet网络中使用了两个创新的操作： pointwise group convolution（逐点组卷积） channle shuffle（通道混洗） 概要来说，逐点组卷积是降低了逐点卷积（也即是1*1卷积）的计算复杂度； 同时为了
轻量化网络：ShuffleNet v2解析
zhw864680355的博客
02-18 7416
原文： ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 论文链接：https://arxiv.org/abs/1807.11164 开源代码增加自定义layer（caffe版本）：https://github.com/anlongstory/ShuffleNet_V2-caffe 开源代码（t...
简述神经网络实现图像分类的具体流程
最新发布
05-29
神经网络实现图像分类的具体流程如下： 1. 数据预处理：将图像数据进行预处理，包括图像归一化、图像增强、数据增强等，以提高模型的鲁棒性和泛化能力。 2. 模型设计：选择适当的神经网络模型，包括卷积神经网络...
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

打赏作者

栋哥爱做饭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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