MobileNet

轻量的神经网络

很久之前我觉得移动端应用几百兆的模型不切实际，在不考虑蒸馏、量化等压缩方法下，发现了MobileNet设计的很神奇，大小只有几MB，可以说是一股清流了。就整理发布了一下，然后今天发现找不到了，神奇。
·2022-04-30 20:00

Jetson nano + yolov5 + TensorRT加速+调用usb摄像头

以前在Firefly-RK3399的Tengine框架上部署过Mobilenet-SSD，也玩
無證騎士·2022-04-16 07:39

MicroNet: 低秩近似分解卷积以及超强激活函数，碾压MobileNet | 2020新文分析

论文提出应对极低计算量场景的轻量级网络MicroNet，包含两个核心思路Micro-Factorizedconvolution和DynamicShift-Max，Micro-Factorizedconvolution通过低秩近似将原卷积分解成多个小卷积，保持输入输出的连接性并降低连接数，DynamicShift-Max通过动态的组间特征融合增加节点的连接以及提升非线性，弥补网络深度减少带来的性能降
·2022-04-11 14:10

pytorch模型参数C语言读取,pytorch模型加载与参数查看

模型加载importtorch#模型文件位置model_file='deeplab-mobilenet.pth.tar'#或者.pth格式的模型文件#创建模型对象model=MyDeepLab()#加载模型参数
运营的小事·2022-04-07 07:10

SSD7 | 对嵌入式友好的目标检测网络，产品落地

现有的轻量级目标检测器直接使用轻量级神经网络架构，如MobileNet或在
计算机视觉研究院·2022-03-29 07:50

是那个Transformer干的，依图科技开源“可大可小”T2T-ViT，轻量版优于MobileNet...

本文在ViT方面进行了一次突破性探索，提出了首次全面超越ResNet，甚至轻量化版本优于MobileNet系列的T2T-ViT。
Amusi（CVer）·2022-03-23 07:05

【深度学习】RetinaFace人脸检测简要介绍

基网络有三种结构，基于ResNet的ResNet50和ResNet152版本能提供更好的精度，以及基于mobilenet（0.25）的轻量版本mnet，检测速度更快。简化版mnet结构Retina
超级无敌陈大佬的跟班·2022-03-21 07:21

mmdetection model

骨干：通常是一个FCN网络来提取特征图，例如ResNet、MobileNet。颈部：骨干和头部之间的组件，例如FPN、PAFPN。head：特定任务的组件，例如bbox预测和掩码预测。
liuqiangaliuv·2022-03-18 05:30

深度学习之学习（3-4）YOLOV4

简介目前的检测模型通常由两部分组成：Backbone：在ImageNet上预训练的网络主干（pre-trainedonImageNet）GPU：VGG、ResNet、ResNeXt、DenseNetCPU：SqueezeNet、MobileNet
light169·2022-03-15 07:11

【深度学习】经典的卷积神经网络模型介绍（LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和MobileNet）

经典的卷积神经网络模型介绍卷积神经网络简介一、LeNet1、INPUT层-输入层2、C1层-卷积层3、S2层-池化层（下采样层）4、C3层-卷积层5、S4层-池化层（下采样层）6、C5层-卷积层7、F6层-全连接层二、AlexNet1、AlexNet特点2、ReLu作为激活函数3、数据增强4、层叠池化5、局部相应归一化6、Dropout7、Alex网络结构8、AlexNet参数数量三、VGGnet
别出BUG求求了·2022-03-12 07:23

OpenCV实现多目标追踪

OpenCV实现多目标追踪项目框架各代码块分析完整代码及资源下载连接实验框架，使用的模块实验框架如下├──mobilenet_ssd├──MobileNetSSD_deploy.caffemodel└─
qq903952032·2022-03-11 07:44

模型剪枝详解及pytorch代码实现

于是，便出现了很多轻量级模型，比如mobileNet，shuffleNet，ghostN
程序猿也可以很哲学·2022-03-07 07:43

基于pytorch的模型压缩和模型剪枝Model Prune示例

3，支持MLP,Lenet,Alexnet,VGG,GoogleNet系列,Resnet系列，MobileNet系列的剪枝。下载地址：下载地址#!
踟蹰横渡口,彳亍上滩舟。·2022-03-07 07:34

MobileNetV1/V2/V3简述 | 轻量级网络

MobileNet系列很重要的轻量级网络家族，出自谷歌，MobileNetV1使用深度可分离卷积来构建轻量级网络，MobileNetV2提出创新的invertedresidualwithlinearbottleneck
喜欢打酱油的老鸟·2022-03-02 12:58

轻量级神经网络：Xception、ShuffleNet、SkipNet、MobileNet、GhostNet、

参考文章：优秀的系列文章https://www.jianshu.com/u/4a95cf020626【模型压缩和加速】inception/mobilenet/squeezenet/shufflehttps
yiyayiya557·2022-03-01 07:13

轻量级深度学习网络——MobileNet & MobileNet v2

这篇文章主要讲的是深度学习网络篇中轻量化网络之一的MobileNet和MobileNetv2。
PRIS-SCMonkey·2022-03-01 07:09

轻量级神经网络总结（1）- SqueezeNet - Xception- MobileNet v1/v2 - ShuffleNet V1/V2 - MixNet

现阶段神经网络在GPU上运行速度已经可以达到实时性要求，但是移植到手机端或者在CPU上运行还存在运行速度的问题。网络优化加速主要包含：1.设计轻量级的网络；2.网络模型压缩剪枝；3.其他的一些量化加速。这里主要是记录轻量级的神经网络（与模型压缩有着本质性的区别）：1.SqueezeNet：发表于ICLR-2017，它在ImageNet上实现了和AlexNet相同的正确率，但是只使用了1/50的参数
chenzy_hust·2022-03-01 07:08

轻量级网络——MobileNetV1～V3

So，业内提出了SqueezeNet、ShuffleNet、NasNet、MnasNet以及MobileNet等轻量级网络模型。这些模型使移动终端、嵌入式设备运行神经网络模型成为可能。
Y.Z.Y.·2022-03-01 07:27

基于FPGA的MobileNet V2卷积神经网络加速器

MobileNetV2介绍MobileNetV2是在V1基础之上的改进。V1主要思想就是深度可分离卷积。而V2则在V1的基础上，引入了LinearBottleneck和InvertedResiduals。下图是MobileNetV2中的一个基本模块可以看到，该模块由三个卷积组成，第一第三个卷积是标准的1x1卷积，起到升维和降维的作用，而中间的是一个depthwise卷积，每一个卷积层之后，都紧接着
FPGA硅农·2022-03-01 07:53

轻量化神经网络架构

转自：https://www.jiqizhixin.com/articles/2018-01-08-6本文就近年提出的四个轻量化模型进行学习和对比，四个模型分别是：SqueezeNet、MobileNet
洛北辰南·2022-03-01 07:19

轻量级CNN网络设计——MobileNet，ShuffleNet，文末有思考

本系列前面介绍了非常多卷积网络结构设计，事实上，在inception和resnet网络提出并相对完善以后，网络结构的设计就不再爆发式出现了，这两大类网路涵盖了大部分应用的卷积网络结构。在本文中，我们来一起看一些最近一年研究较多的轻量级卷积网络结构，这些网络主要的设计目标是——在保证一定的识别精度情况下，尽可能减少网络规模（参数量、计算量）。最直接的设计目标就是用于手机等移动终端中（CPU），让移动
业精于勤荒于嬉-行成于思而毁于随·2022-03-01 07:45

轻量级神经网络——shuffleNet

channelshuffle)✨✨✨shuffleNetUnit✨✨✨shuffleNet1的网络结果和效果轻量级神经网络——shuffleNetshuffleNet1  在之前，已经讨论过一种轻量级神经网络——MobileNet
秃头小苏·2022-03-01 07:28

【注意力机制】CBAM详解

论文在ResNet和MobileNet等经典结构
姚路遥遥·2022-02-25 07:08

部分卷积网络结构（一）

1.2代码二、AlexNet2.1网络结构与亮点2.2代码三、VGG3.1网络结构与亮点3.2代码四、GoogLeNet4.1网络结构与亮点4.2代码五、ResNet5.1网络结构与亮点5.2代码六、MobileNet6.1
白衣西蜀梅子酒·2022-02-21 07:43

轻量级神经网络“巡礼”（二）—— MobileNet，从V1到V3

目录深度可分离卷积空间可分离深度可分离卷积深度卷积逐点卷积为什么要深度可分离卷积？标准卷积的参数量标准卷积的计算量深度可分离卷积的参数量深度可分离卷积的计算量V1卷积层ReLU6V1网络结构实验结果MobileNetV2回顾MobileNetV1ReLU做了些啥？LinearbottleneckExpansionlayerInvertedresidualsV2的blockV2的网络结构实验结果Im
mjiansun·2022-02-21 07:39

深度学习-服务端训练+android客户端物体识别实战（caffe入门教程+mobilenet+ncnn+android）

文章目录背景物体识别简介自动驾驶淘宝京东使用物体识别技术公司业务需求深度学习简介深度学习的位置深度学习概念深度学习优势深度学习基础知识感知机激活函数多层感知机卷积神经网络卷积层*池化层模型训练前向传播*反向传播与参数优化深度学习服务端框架tensorFlowkeraspytorchCaffe/Caffe2.0caffe框架为何选择caffecaffe环境搭建caffe基础数据集模块概要图solve
sinat_28371057·2022-02-21 07:35

【嵌入式AI部署】轻量化神经网络精述--MobileNet V1-3、ShuffleNet V1-2、NasNet

原文链接：【嵌入式AI部署&基础网络篇】轻量化神经网络精述--MobileNetV1-3、ShuffleNetV1-2、NasNet深度神经网络模型被广泛应用在图像分类、物体检测等机器视觉任务中，并取得了巨大成功。然而，由于存储空间和功耗的限制，神经网络模型在嵌入式设备上的存储与计算仍然是一个巨大的挑战。前面几篇介绍了如何在嵌入式AI芯片上部署神经网络：【嵌入式AI开发】篇五|实战篇一：STM32
诸葛灬孔暗·2022-02-21 07:29

MobileNet v1、v2、v3

MobileNetV1《MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications》AbstractMobileNets是为移动和嵌入式设备提出的高效模型。MobileNets基于流线型架构(streamlined)，使用深度可分离卷积(depthwiseseparableconvolutions，即Xcep
THE@JOKER·2022-02-21 07:48

使用DetectNetv2进行目标检测

ResNet是一个工业网络，可与MobileNet和InceptionNet（用于特征提取的两个常用主干模型）相提并论。
YottaYuan·2022-02-20 03:29

目标检测 --- Depthwise Convolution（深度可分离卷积）原理与思考

目标检测—DepthwiseConvolution（深度可分离卷积）原理与思考最近在研究mobilenet，其中有一层网络结构–DepthwiseConvolution（深度可分离卷积），然后就拎出来仔细研究下
A big bliss·2022-02-19 15:12

卷积神经网络学习路线（二十） | Google ICCV 2019 MobileNet V3

前言MobileNetV3是Google继MobileNetV1和MobileNetV2后的新作，主要使用了网络搜索算法(用NAS通过优化每个网络块来搜索全局网络结构，用NetAdapt算法搜索每个层的滤波器数量)，同时在MobileNetV2网络结构基础上进行改进，并引入了SE模块（我们已经讲过了SENet，【cv中的Attention机制】最简单最易实现的SE模块）和提出了H-Swish激活函
GiantPandaCV·2022-02-16 02:14

OpenCV-Python实战（19）——OpenCV与深度学习的碰撞

OpenCV图像分类3.1使用AlexNet进行图像分类3.2使用GoogLeNet进行图像分类3.3使用ResNet进行图像分类3.4使用SqueezeNet进行图像分类4.OpenCV目标检测4.1使用MobileNet-S
盼小辉丶·2022-02-15 19:00

深度学习——分类网络的总结（持续更新ing~）

系列（2014年）5.1GooLeNet（2014年）5.2Inceptionv25.3Inceptionv3六、ResNet系列（2015年）七、DenseNet（2017年）八、轻量级网络系列8.1MobileNet
PRIS-SCMonkey·2022-02-15 07:15

SageMaker Neo优化目标检测模型加速推理

文中以yolo3_mobilenet1.0_coco模型为例，分别演示模型准备，模型Neo编译，模型导出推理测试，可视化等过程，推理结果显示基于SageMakerNeo可以显著提升推理速度，达到一倍以上的加速
·2021-12-23 12:38

[MobileNet] V3论文翻译

1.摘要Mobilenet-v3提出了基于互补搜索技术的额下一代网络结构，MobileNetV3通过硬件感知的网络架构搜索(NAS)和NetAdapt算法的结合，调优到移动端cpu，然后通过新的架构改进进行改进
MuggleZero·2021-11-23 16:17

tensorflow2.6+mobileNet

importwarningswarnings.filterwarnings("ignore")importosos.environ['TF_CPP_MIN_LOG_LEVEL']='3'fromtensorflow.keras.layersimport(DepthwiseConv2D,BatchNormalization,Activation,Conv2D,Input,GlobalAverageP
吴天德少侠·2021-11-16 15:30

神经网络学习小记录61——Tensorflow2 搭建常见分类网络平台（VGG16、MobileNet、ResNet50）

神经网络学习小记录61——Tensorflow2搭建常见分类网络平台（VGG16、MobileNet、ResNet50）学习前言源码下载分类网络的常见形式分类网络介绍1、VGG16网络介绍2、MobilenetV1
Bubbliiiing·2021-11-15 11:00

MobileNet

某厂实习生有的图转载csdn和知乎，仅作自己笔记，侵删一、解决什么问题目前模型受限的原因主要是模型的存储问题和模型进行预测的速度问题有两种常用的解决手段：模型结构设计和模型压缩。模型结构设计：主要思想在于设计更高效的「网络计算方式」（主要针对卷积方式），从而使网络参数减少的同时，不损失网络性能。模型压缩（ModelCompression）：即在已经训练好的模型上进行压缩，使得网络携带更少的网络参数
qq_34751603·2021-11-14 22:01

基于梅尔频谱的音频信号分类识别(Pytorch)

项目使用librosa进行音频信号处理，backbone使用mobilenet_v2，在Urbansound8K数据上，最终收敛的准确率在训练集99%，测试集82%，如果想进一步提高识别准确率可以使用更重的
·2021-10-29 20:31

基于梅尔频谱的音频信号分类识别(Pytorch)

项目使用librosa进行音频信号处理，backbone使用mobilenet_v2，在Urbansound8K数据上，最终收敛的准确率在训练集99%，测试集82%，如果想进一步提高识别准确率可以使用更重的
pan_jinquan·2021-10-19 09:00

PyTorch模型推理及多任务通用范式 课程3 作业

以MobileNet-v2为例，从头写了把模型推理。Assignment必做题把模型改为resnet18，加载相应的模型权重（Lesson2的物料包中有
·2021-10-18 13:28

PyTorch学习Lesson3

官方torchvision训练mobilenet和训练resnet的方式是一样的，所以数据预处理和数据后处理部分完全相同。
Stars-Chan·2021-10-17 22:12

【跑代码2】win10训练mobilenet-yolov4-lite-pytorch并在租用的GPU上训练自己的数据集

一、win10训练mobilenet-yolov4-lite-pytorch1.下载代码：GitHub-bubbliiiing/mobilenet-yolov4-lite-pytorch:这是一个mobilenet-yolov4
爱学习的大志·2021-10-16 21:55

MobileNet的理解与实现

MobileNet出现原因在真实应用场景或嵌入式设备中，需要延迟较低，响应速度较快的模型。实现目的的两个方向：对训练好的复杂模型进行压缩得到小模型。直接设计小模型并进行训练。
lokol.·2021-08-21 12:41

Yolo-FastestV2:更快，更轻，移动端可达300FPS，参数量仅250k

先说说Yolo-Fastest的初衷吧，其实早期轻量的目标检测大家多是用的Mobilenet-SSD，其实在实际测试中
·2021-08-19 10:58

卷积神经网络学习路线（十八） | Google CVPR 2018 MobileNet V2

MobileNet-V2的来源Mobilenet-V1的出现推动了移动端的神经网络发展。但MobileNetV1主要使用的DepthwiseConv（深度可分离
GiantPandaCV·2021-06-23 01:49

手机上运行的深度神经网络模型-MobileNet

文章引用自《从MobileNet看轻量级神经网络的发展》，详情请点击原文观看前言随着深度学习的火热，计算机视觉领域内的卷积神经网络模型也层出不穷。
岭南party·2021-06-21 16:23

ml5尝试

上发现了ml5踩过很多坑之后终于走通了functiononImageReady(){letimg=document.getElementById('image');ml5.imageClassifier('MobileNet
kate2020·2021-06-12 19:04

Architectures

LayersOutputSizeSphereface-4Sphereface-10MobileNet-4MobileNet-10Conv1.x56X48[3x3,64]conv,stride=2[3x3,64
isthatyoung·2021-06-09 15:44

网络学习系列（九）mobilenet

mobilenetv1要解决的问题：目前大多数的网络虽然能实现比较高的性能，但网络过于庞大，所以论文要解决的就是轻量化的问题，试图将网络嵌入到移动端。亮点：1、将标准的卷积过程分为两步，即depthwiseconvolution和pointwiseconvolution，首先将滤波器进行分解，再使用1*1的卷积进行组合。2、引入了两个超参数widthmultiplier和resolutionmul
叶天羽·2021-06-07 14:43
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他