DL之ShuffleNet：ShuffleNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

?

?

相關文章
DL之ShuffleNet：ShuffleNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略
DL之ShuffleNet：ShuffleNet算法的架構詳解
DL之ShuffleNetV2：ShuffleNetV2算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略
DL之ShuffleNetV2：ShuffleNetV2算法的架構詳解

?

ShuffleNet算法的簡介(論文介紹)

? ? ? ? ShuffleNet也是應用在移動設備上的網絡架構模型。

Abstract
We introduce an extremely computation-efficient CNN ?architecture named ShuffleNet, which is designed specially ?for mobile devices with very limited computing power (e.g., ?10-150 MFLOPs). The new architecture utilizes two new ?operations, pointwise group convolution and channel shuffle, ?to greatly reduce computation cost while maintaining ?accuracy. Experiments on ImageNet classification and MS ?COCO object detection demonstrate the superior performance ?of ShuffleNet over other structures, e.g. lower top-1 ?error (absolute 7.8%) than recent MobileNet [12] on ImageNet ?classification task, under the computation budget of ?40 MFLOPs. On an ARM-based mobile device, ShuffleNet ?achieves ～13× actual speedup over AlexNet while maintaining ?comparable accuracy.
摘要
我們介紹了一個非常高效的CNN架構，名為ShuffleNet，專門為計算能力非常有限的移動設備（如10-150 MFLOPs）設計。新的體系結構利用了兩種新的運算，即點態組卷積和channel shuffle，在保持精度的同時，大大降低了計算成本。圖像網絡分類和MS-COCO目標檢測實驗表明，在40 MFLOPs的計算預算下，與其他結構相比，在圖像網絡分類任務上，ShuffleNet 具有更好的性能，例如比最近的MobileNet [12]更低的Top-1錯誤（絕對7.8%）。在基于ARM的移動設備上，ShuffleNet 比AlexNet實現了～13倍的實際加速，同時保持了相當的準確性。

?

4、Experiment

實驗在ImageNet的分類集上做評估，大多數遵循ResNeXt的設置，除了兩點：

• 權重衰減從1e-4降低到了4e-5
• 數據增強使用較少的aggressive scale 增強

這樣做的原因是小型網絡在訓練過程通常會遇到欠擬合而不是過擬合問題。

1、Classification error vs. number of groups g

2、Classification error vs. various structures

3、ShuffleNet vs. MobileNet on ImageNet Classification

?

?

?

論文
Xiangyu Zhang, XinyuZhou, MengxiaoLin, Jian Sun.
ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices. CVPR 2017.
https://arxiv.org/abs/1707.01083

?

?

ShuffleNet算法的架構詳解

更新……

DL之ShuffleNet：ShuffleNet算法的架構詳解

?

?

?

?

ShuffleNet算法的案例應用

更新……

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的DL之ShuffleNet：ShuffleNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。