已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation

计算机科学 残余物 瓶颈 人工智能 目标检测 分割 模式识别(心理学) 数据挖掘 机器学习 算法 嵌入式系统
作者
Andrew Howard,Andrey Zhmoginov,Liang-Chieh Chen,Mark Sandler,Menglong Zhu
出处
期刊:Cornell University - arXiv 被引量:695
摘要

In this paper we describe a new mobile architecture, MobileNetV2, that improves the state of the art performance of mobile models on multiple tasks and benchmarks as well as across a spectrum of different model sizes. We also describe efficient ways of applying these mobile models to object detection in a novel framework we call SSDLite. Additionally, we demonstrate how to build mobile semantic segmentation models through a reduced form of DeepLabv3 which we call Mobile DeepLabv3. The MobileNetV2 architecture is based on an inverted residual structure where the input and output of the residual block are thin bottleneck layers opposite to traditional residual models which use expanded representations in the input an MobileNetV2 uses lightweight depthwise convolutions to filter features in the intermediate expansion layer. Additionally, we find that it is important to remove non-linearities in the narrow layers in order to maintain representational power. We demonstrate that this improves performance and provide an intuition that led to this design. Finally, our approach allows decoupling of the input/output domains from the expressiveness of the transformation, which provides a convenient framework for further analysis. We measure our performance on Imagenet classification, COCO object detection, VOC image segmentation. We evaluate the trade-offs between accuracy, and number of operations measured by multiply-adds (MAdd), as well as the number of parameters
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
正直的白羊完成签到 ,获得积分10
2秒前
wwmmyy完成签到 ,获得积分10
5秒前
666发布了新的文献求助10
5秒前
6秒前
沉默的红牛完成签到 ,获得积分10
8秒前
chemist229完成签到 ,获得积分10
9秒前
xie发布了新的文献求助10
9秒前
折枝完成签到 ,获得积分10
9秒前
AOPs完成签到,获得积分10
11秒前
11秒前
雨肖发布了新的文献求助30
12秒前
sy012139完成签到,获得积分10
13秒前
黑压压的帝企鹅完成签到,获得积分10
20秒前
深情安青应助长欢采纳,获得10
22秒前
Pamg完成签到 ,获得积分10
22秒前
研友_ZG4ml8完成签到 ,获得积分10
23秒前
28秒前
健壮不斜完成签到 ,获得积分10
29秒前
Mtoc完成签到 ,获得积分10
29秒前
32秒前
Z赵完成签到 ,获得积分10
32秒前
Le~le完成签到 ,获得积分10
36秒前
36秒前
666完成签到,获得积分10
37秒前
wjwqz完成签到 ,获得积分10
38秒前
38秒前
程风破浪完成签到,获得积分10
40秒前
乐乐发布了新的文献求助10
43秒前
44秒前
二牛完成签到,获得积分10
44秒前
危机的囧完成签到,获得积分10
45秒前
科研人完成签到 ,获得积分10
46秒前
49秒前
赎罪完成签到 ,获得积分10
51秒前
zzzyyy应助jianrobsim采纳,获得10
53秒前
科研通AI2S应助YYJ采纳,获得10
56秒前
不知道叫个啥完成签到 ,获得积分0
58秒前
Yziii应助伊倾采纳,获得10
1分钟前
高屋建瓴完成签到,获得积分10
1分钟前
称心的语梦完成签到,获得积分10
1分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136953
求助须知:如何正确求助?哪些是违规求助? 2787893
关于积分的说明 7783824
捐赠科研通 2443962
什么是DOI,文献DOI怎么找? 1299536
科研通“疑难数据库(出版商)”最低求助积分说明 625464
版权声明 600954