谷歌开源新模子 EfficientNet:图像辨认服从晋升 10 倍,参数镌汰 88%
发布时间:2019-06-10 10:59:17 所属栏目:移动互联 来源:佚名
导读:卷积神经收集凡是是再有限的资源下举办开拓,然后在前提应承的环境下将其扩展到更大的计较资源上以得到更好的精确率。谷歌 AI 的科学家们在论文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》中体系地研究了模子扩展的问
尝试这一部门,作者起首对在普及行使的 MobileNets 以及 ResNets 上对他们提出的模子扩展法举办了验证。其尝试功效如表三所示: 与单维度的扩展要领对比,复合扩展法在三种收集模子上都有所晋升,这声名复合扩展法对付今朝的现有收集都是有用的。 随后,作者在 ImageNet 数据库上对 EfficientNet 举办了实习。尝试功效表白 EfficientNet 模子在参数目和 FLOPS 方面比其他卷积收集少一个数目级却能获得近似的精确率。出格是 Efficient-B7 在 top1 到达了 84.4% 在 top5 到达了 97.1%,比 GPipe 越发精确但模子小了 8.4 倍: 同时,作者也在常用的迁徙进修数据集上对 EfficientNet 举办了评估。EfficientNet 的机能较其他范例的收集均有同等的晋升。尝试功效如下图所示: (编辑:湖南网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |
站长推荐
热点阅读