알맹로그

보호되어 있는 글입니다.

Abstract 모델 확장을 체계적으로 연구, 기준 네트워크를 설계한 후 확장 네트워크 깊이, 폭, 해상도의 모든 차원을 균일하게 확장하는 새로운 방법 제안 ImageNet에서 84.3% 정확도, 기존 최고성능 ConvNet보다 8.4배 작고 6.1배 빠름 훨씬 적은 수의 parameter로 최고 정확도 달성! 1. Introduction 체계적이지 않았던 ConvNet 확장! 우리가 효과적으로 확장하는 방법 알려준다 ㅋ 원래는 depth나 width를 확장하는 경우가 많았고 요새는 이미지의 해상도에 따라 모델을 확장하는 경우가 많아지고 있음. 이 3가지 중 한개만 확장하는 게 일반적이고 수동으로 조정해야되는데다가 확장해도 정확도가 개선되지 않는 경우 有 이 논문에서는 ConvNet을 확장하는 걸 다시 ..

1. Introduction 제한된 계산에서 최고의 정확도를 추구하고 일반적인 모바일 플랫폼에 중점을 둔다. 보통의 standard network architecure는 프루닝, 압축, 낮은 비트에 중점을 두지만 우리는 원하는 계산 범위를 위해서 특별히 설계된 효율적인 standard architecture를 찾는 걸 목표로 한다. Xception, ResNeXt같은 애들은 밀도 높은 1x1 convolution이 있어서 비용이 많이 들고 작은 네트워크에서 효율이 떨어진다. 그래서 효율을 높이기 위해 pointwise group convolution을 사용하고, 이를 사용하면서 발생하는 부작용을 극복하기 위해 channel shuffle로 feature channel 사이에 정보가 흐르도록 도와준다. 이..

Abstract MobileNets라고 불리는 mobile과 embedded vision applications를 위한 효율적인 모델 소개 MobileNets는 depth-wise separable convolutions를 기반으로 하는 더 가볍고 깊은 신경망 global hyperparameter인 width multiplier와 resolution multiplier 2가지를 통해 model builder는 문제의 제약 조건에 따라 애플리케이션에 적합한 크기의 모델을 선택할 수 있음 resource와 acc 사이의 tradeoff, ImageNet 분류에서 좋은 성능을 보임을 확인 object detection, finegrain cliassification, face attributes, large..