赞
踩
上周我们学习了MobileNetV1和MobileNetV2,本文的MobileNetV3,它首先引入MobileNetV1的深度可分离卷积,然后引入MobileNetV2的具有线性瓶颈的倒残差结构,后来使用了网络搜索算法,并引入了SE模块以及H-Swish激活函数等,可谓集大成者。
引用大佬的描述:MobileNet V3 = MobileNet v2 + SE结构 + hard-swish activation +网络结构头尾微调。
学习资料:
- 论文题目:《MobileNetV3: Searching for MobileNetV3》(《MobileNetV3: 搜索MobileNetV3)
- 原文地址: https://arxiv.org/abs/1905.02244.pdf
- 项目地址:GitHub - d-li14/mobilenetv3.pytorch: 74.3% MobileNetV3-Large and 67.2% MobileNetV3-Small model on ImageNet
目录
三、Efficient Mobile Building Blocks—高效移动端构建块
4.1 Platform-Aware NAS for Block-wise Search—使用NAS感知平台进行逐块(Block-wise)搜索
4.2 NetAdapt for Layer-wise Search—使用NetAdapt 进行 Layerwise 搜索
5.1 Redesigning Expensive Layers—重新设计昂贵的层
5.3 Large squeeze-and-excite—大型SE
5.4 MobileNetV3 Definitions—MobileNetV3 定义
6.4 Semantic Segmentation—语义分割
七、Conclusions and future work—结论和未来工作
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。