mobilenets | BriefGPT - AI 论文速递

关键词mobilenets

搜索结果 - 9

CVPR所有 MobileNets 都量化得不好吗？通过多尺度分布动力学视角深入探究量化对深度可分离卷积网络的影响
通过分析 MobileNets 在量化后的分布动态中的不匹配性、动态范围波动、以及 DWSCNN 较传统 CNN 更易受到量化累积误差等现象，揭示了 DWSCNN 量化表现不佳的根本原因。这些认知或许能帮助未来发展出纠正此类问题，提高移动上
PDF3 years ago
CVPR重新思考深度可分卷积：内核相关性如何提高 MobileNets 的性能
本研究提出了基于深度轴内部相关性的蓝图分离卷积（BSConv）作为卷积神经网络的高效构建块，它提供了一种更有效的正则卷积分离方法，实验表明 BSConvs 对 MobileNets 和其他基于深度可分离卷积的架构具有明显和一致的改进效果，可
PDF4 years ago
ICCVHBONet：两个正交维度上的谐波瓶颈
介绍了 Harmonious Bottleneck on two Orthogonal dimensions (HBO) 和 HBONets，这是 MobileNets 的一种新的架构模块和模型，其在提高模型准确度方面表现出色，并且具有很强
PDF5 years ago
MoGA: 超越 MobileNetV3 的搜索
本文提出了 MoGA 神经架构搜索方法，通过 GPU-Aware 技术和加权进化技术，针对实际应用中移动终端 GPU 的特点进行优化，从而达到更好的性能。在类似延迟约束下，MoGA-A 在 ImageNet 上实现了 75.9％的 Top-
PDF5 years ago
MixConv: 混合深度可分离卷积核
本文系统地研究了不同核大小的影响，提出了一种新的混合深度卷积（MixConv），将多个核大小自然混合在单个卷积中，为现有的 MobileNets 在 ImageNet 分类和 COCO 目标检测中提高了准确性和效率。
PDF5 years ago
蝴蝶变换：一种基于 FFT 的高效神经架构设计
本文借鉴蝴蝶算法思想，提出了一种可应用于 CNN 架构中的通道融合算法 BFT，该算法能够在保证一定精度的情况下，大幅降低计算复杂度。实验表明，相较于现有的基于最优化搜索的方法，本文提出的算法在一定的计算复杂度范围内能够获得更高的 Top-
PDF5 years ago
ICCV寻找 MobileNetV3
MobileNetV3 采用一种新的架构设计和自动搜索算法相结合的综合搜索技术用于优化移动设备上的图像识别任务，在分类、检测和分割等任务上实现了最新的性能水平。
PDF5 years ago
CondenseNet：使用学习群卷积的高效 DenseNet
本文介绍了一种名为 CondenseNet 的新型神经网络体系结构，其使用学习组卷积方法实现了稠密连接，移除了那些无用的连接，并使得此模型比类似 MobileNets 和 ShuffleNets 的最先进紧凑卷积网络更为高效。
PDF7 years ago
MobileNets：面向移动视觉应用的高效卷积神经网络
本文介绍了 MobileNets 这一基于深度可分离卷积的轻量级深度神经网络架构，提出了利用全局超参数在时延和准确性之间平衡的方法，并在图像分类等多个领域进行了广泛实验。
PDF7 years ago