一种增强的混合MobileNet
计算机视觉与模式识别
2019-06-14 v2
摘要
复杂而深的神经网络模型可以在图像识别中实现高准确率。然而，它们需要大量的计算量和模型参数，不适合移动和嵌入式设备。因此，提出了MobileNet，它可以显著减少参数数量和计算成本。MobileNet的主要思想是使用深度可分离卷积。两个超参数，宽度乘数和分辨率乘数，用于在准确率和延迟之间进行权衡。在本文中，我们提出了一种新的架构来改进MobileNet。我们不使用分辨率乘数，而是使用深度乘数并结合Fractional Max Pooling或最大池化。在CIFAR数据库上的实验结果表明，所提出的架构可以同时减少计算成本并提高准确率。
引用
@article{arxiv.1712.04698,
title = {An Enhanced Hybrid MobileNet},
author = {Hong-Yen Chen and Chung-Yen Su},
journal= {arXiv preprint arXiv:1712.04698},
year = {2019}
}