MobileOne：一种改进的单毫秒级移动端骨干网络
计算机视觉与模式识别
2023-03-30 v2
摘要
面向移动设备的高效神经网络骨干网络常针对 FLOPs 或参数量等指标进行优化。然而，这些指标在移动设备上部署时可能与网络延迟相关性不佳。因此，我们通过将多个移动友好型网络部署于移动设备，对不同指标进行了广泛分析。我们识别并分析了近期高效神经网络中的架构与优化瓶颈，并提供了缓解这些瓶颈的方法。为此，我们设计了一个高效骨干网络 MobileOne，其变体在 iPhone12 上实现了低于 1 ms 的推理时间，并在 ImageNet 上达到 75.9% 的 top-1 准确率。我们表明，MobileOne 在高效架构中实现了最先进的性能，同时在移动端快出数倍。我们的最佳模型在 ImageNet 上取得了与 MobileFormer 相似的性能，同时快 38 倍。我们的模型在相近延迟下比 EfficientNet 在 ImageNet 上 top-1 准确率高出 2.3%。此外，我们表明我们的模型可泛化至多项任务——图像分类、目标检测和语义分割，在移动端部署时相较于现有高效架构在延迟与准确率上均有显著提升。代码与模型见 https://github.com/apple/ml-mobileone
引用
@article{arxiv.2206.04040,
title = {MobileOne: An Improved One millisecond Mobile Backbone},
author = {Pavan Kumar Anasosalu Vasu and James Gabriel and Jeff Zhu and Oncel Tuzel and Anurag Ranjan},
journal= {arXiv preprint arXiv:2206.04040},
year = {2023}
}
备注
Accepted at CVPR 2023