EfficientNet,SOTA,RegNet笔记
1.RegNet
时间:2020CVPR,作者:何凯明(facebook AI团队)
论文:Designing Network Design Spaces
github:https://github.com/facebookresearch/pycls
论文翻译:https://blog.csdn.net/qq_41185868/article/details/105278487
亮点:
超越 EfficientNet,GPU 上提速 5 倍!
延伸:
2.SOTA
时间:2020CVPR,北航、商汤
论文:Forward and Backward Information Retention for Accurate Binary Neural Networks
github:https://github.com/htqin/IR-Net
论文解析:CVPR 2020 | 多任务图像分类新 SOTA,北航、商汤等提出网络二值化新算法 IR-Net
亮点:提出了一种旨在优化前后向传播中信息流的实用、高效的网络二值化新算法 IR-Net。
3.EfficientNet
时间:2019ICML,作者:Mingxing Tan(GoogleBrain)
论文:EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
github:https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet
论文解析:令人拍案叫绝的EfficientNet和EfficientDet
亮点:
图像识别效率提升 10 倍,参数减少 88%
提出了compound model scaling算法,通过综合优化网络宽度、网络深度和分辨率达到指标提升的目的,能够达到准确率指标和现有分类网络相似的情况下,大大减少模型参数量和计算量。
延伸:
4.EfficientNet-Lite
时间:3.17日谷歌在 GitHub 与 TFHub 上同步发布了 EfficientNet-lite
github:efficientnet-lite
官方的blog:2020/03/higher-accuracy-on-vision-models-with-efficientnet-lite.html
亮点:当前最强移动端轻量神经网络
- 量化,借助 TensorFlow Lite 中提供的训练后量化流程来对模型进行量化处理,尽可能地降低了对准确率的影响。通过量化,模型大小减少为1/4,推理速度提升近2倍。
- 结构和算子优化,去除 squeeze-and-excitation 结构。
- 使用 Relu6替代swish 激活函数
- 放缩模型尺寸时固定 stem 与 head 模块,减少放缩后模型的大小与计算量。
更多:
1.
2.