谷歌大脑提出EfficientNet平衡模型扩展三个维度,取得精度-效率的最大化!
点击我爱计算机视觉标星,更快获取CVML新技术
今天要跟大家重磅介绍上午谷歌大脑新出的论文《EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks》,在模型扩展时平衡好深度、宽度、分辨率,取得精度、效率、模型大小的最大化。
借由此简单有效的模型扩展方法,作者在使用神经架构搜索得到的基模型上扩展出一系列EfficientNets模型,达到了更好的精度和效率的平衡,其中EfficientNet-B7模型在ImageNet数据集上达到 state-of-the-art 84.4% top-1 / 97.1% top-5 精度,并且相比目前最好的方法模型size减小8.4倍,速度快6.1倍!!
简直是神级操作!
该文已被ICML 2019录用,这可能是一篇要改变整个深度卷积网络模型设计的论文了。
下面是作者信息:
两位作者均来自谷歌大脑。
下图是作者使用该文方法得到的7个EfficientNets与目前知名的state-of-the-art模型精度-参数量的比较:
可见本文得到的模型在相近模型大小时,精度高于所有之前的竞争对手!
什么是模型扩展?
模型扩展是借由改变深度卷积网络的宽度、深度、分辨率进而寻找更高精度模型,或者寻找精度-计算量-模型size满足一定要求的模型的方法。
下图展示了这一过程:
其中最右为作者提出的方案,即在三个维度(宽度、深度、分辨率)进行复合扩展。
(模型扩展是很常见的操作,只是之前大家总是关注在宽度和深度,作者在这里将分辨率纳入考量)
这是作者做的实验,单一调整一个维度能够获得精度提升,随着参数调的越大,精度增益越平滑,即改进不再明显。
下图为同时调整深度和分辨率获得的模型的结果,可见联合调整能够获得更好的精度增益曲线。
方法
作者就是把深度d、宽度w和分辨率r纳入一个受限的搜索空间,如下:
对于特定的基模型,采用如下两个步骤获得一系列扩展模型,从计算量参数量小精度低到计算量参数量大精度高的一系列模型。
下面是作者用神经网络搜索得到的基模型EfficientNet-B0。
实验结果
实验结果实在是太靓丽了!
这是作者得到的七个模型与现有最好的算法在ImageNet数据集上的比较,在精度超越的同时,计算复杂度和参数量都下降了一个数量级!
下图为在MobileNets和ResNet上与单一维度扩展的比较,计算量相近的情况下,本文方法精度表现出一致性的更高!
在实际的硬件上计算同样验证了理论的结论:
作者用得到的新模型在8个数据集上进行了迁移学习实验,取得了5个state-of-the-art的结果,而且计算量和参数量依旧小一个数量级!
该算法虽然简单,但结果实在是太吸引人了,强烈推荐大家关注!
论文地址:
https://arxiv.org/pdf/1905.11946v1.pdf
开源地址:
https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet
专业交流群
关注最新计算机视觉与机器学习技术,欢迎加入52CV专业交流群,扫码添加CV君拉你入群,
(请务必注明:52CV):
喜欢在QQ交流的童鞋可以加52CV官方QQ群:702781905。
(不会时时在线,如果没能及时通过还请见谅)
长按关注我爱计算机视觉
谷歌大脑提出EfficientNet平衡模型扩展三个维度,取得精度-效率的最大化!相关推荐
- 重磅!谷歌大脑提出EfficientNet平衡模型扩展三个维度,取得精度-效率的最大化!...
点击我爱计算机视觉标星,更快获取CVML新技术 今天要跟大家重磅介绍上午谷歌大脑新出的论文<EfficientNet: Rethinking Model Scaling for Convolut ...
- 谷歌大脑提出DropBlock卷积正则化方法,显著改进CNN精度
点击我爱计算机视觉标星,更快获取CVML新技术 昨天arXiv新上一篇被NIPS2018会议接收的论文<DropBlock: A regularization method for convol ...
- EfficientDet:COCO 51.0 mAP!谷歌大脑提出目标检测新标杆
点击我爱计算机视觉标星,更快获取CVML新技术 昨天谷歌大脑团队发布了论文 EfficientDet: Scalable and Efficient Object Detection ,通过改进 FP ...
- 谷歌大脑提出“洗发水”二阶优化算法,Transformer训练时间减少40%,Jeff Dean点赞...
晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI 机器学习的优化步骤,目前都是一阶方法主导. 无论是SGD还是Adam,此类优化算法在都是计算损失函数的一阶导数--梯度,然后按照某种规定的 ...
- 告别深度学习炼丹术!谷歌大脑提出“权重无关”神经网络
来源:新智元 本文约5600字,建议阅读10+分钟. 无需权重训练!谷歌再向深度学习炼丹术发起"攻击". [ 导读 ]神经网络训练中"权重"有多重要不言而喻.但 ...
- 比9种SOTA GNN更强!谷歌大脑提出全新图神经网络GKATs
来源:Google.新智元本文约2550字,建议阅读5分钟 本文为你介绍谷歌大脑与牛津大学.哥伦比亚大学的研究人员提出的一种全新GNN:GKATs. [ 导读 ]GNN虽牛,但也避免不了计算复杂性等问 ...
- 边做边思考,谷歌大脑提出并发RL算法,机械臂抓取速度提高一倍!
选自arXiv 作者:Ted Xiao 等 机器之心编译 机器之心编辑部 RL 算法通常假设,在获取观测值.计算动作并执行期间环境状态不发生变化.这一假设在仿真环境中很容易实现,然而在真实机器人控制当 ...
- 谷歌大脑提出对智能体进行「正向-反向」强化学习训练,加速训练过程
原文来源:arXiv 作者:Ashley D. Edwards.Laura Downs.James C. Davidson 「雷克世界」编译:嗯~是阿童木呀.KABUDA.EVA 在强化学习问题中,关 ...
- 【计算机视觉 | ViT-G】谷歌大脑提出 ViT-G:缩放视觉 Transformer,高达 90.45% 准确率
文章目录 一.简介 二.如何做到的? 三.扩展数据 四.「head」 的解耦权重衰减 五.通过移除 [class] token 节省内存 六.实验结果 6.1 将计算.模型和数据一起扩展 6.2 Vi ...
最新文章
- SQL操作语句之查询及删除重复记录的方法
- 年化收益14%的投资机会,出手吗?
- PHP程序员上相亲节目,结果遭女嘉宾瞬间全灭灯
- 编写代码,移除未排序的链表中的重复节点
- 创建虚机时间_云原生虚机应用托管设计篇
- oracle where in优化,【求助】为什么在where过滤条件中使用in这样子查询后速度变的非常慢?!...
- C/C+语言struct深层探索
- solidity数据位置
- 智慧职教mooc学院计算机文化基础答案,智慧职教MOOC学院-刷课分析
- 查询各科成绩前三名的记录
- 【电脑讲解】笔记本怎么连接宽带,拨号和无线网络连接方法
- 2022年G3锅炉水处理考试题库及模拟考试
- Java字节码编程之非常好用的javassist
- 什么是Heads-up displays(HUD)
- 开发框架文档体系化的思考
- 【时间之外】数据中台建设要点
- matlab接收电视信号,DRM接收及matlab实验 (转载)
- 51nod:1079 中国剩余定理(数学)
- Java语言程序设计基础篇(第十版 梁勇著)课后习题答案 - 第二章
- 诺基亚论坛PRO数位红
热门文章
- 设计模式学习笔记——策略(Strategy)模式
- 11054 - Wine trading in Gergovia
- mysql删除不安全的账户_【20200407】MySQL账号不规则删除导致权限错误
- vscode 怎么编辑sphinx_如何在vs Code 中编辑和调试Stata程序
- matlab如何绘制传递函数对数幅频特性_开环传递函数是怎样影响系统的?重要参量1/(1+T)与T/(1+T)的释义...
- c基础学汇编语言,王爽《汇编语言》学习笔记、习题(第一章 基础知识)
- python 描述器 详解_深入解析Python中的descriptor描述器的作用及用法
- python播放网络音乐_python使用Tkinter实现在线音乐播放器
- android异步加载视频缩略图,swift-如何将视频URL的缩略图异步加载到tableview列表中...
- xamarin android上传图片到服务器,从图片库中选取照片