mobileNet

19组-MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications

导读：MobileNet的核心是卷积分解，本文先从宏观层面，叙述了普通卷积网络和MobileNet网络，在卷积的功能上，是相似的。
wxyfennie·2019-12-06 12:56

ShuffleNetV2：轻量级CNN网络中的桂冠

为了满足这些需求，一些轻量级的CNN网络如MobileNet和ShuffleNet被提出，它们在速度和准确度之间做了很好地平衡。今天我们要讲的是S
机器学习算法工程师·2019-12-06 10:50

MobileNet

MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplicationsMobileNetV2:InvertedResidualsandLinearBottlenecks背景自从AlexNet在2012年赢得ImageNet大赛的冠军一来，卷积神经网络就在计算机视觉领域变得越来越流行，一个主要趋势就是为了提高准确率就要做更
范中豪·2019-12-01 22:00

模型轻量化

图5为了解释Mobilenet，假设有的输入，同时有个的卷积。如果设置且，那么普通卷积输出为，如图6。图6普通3x3卷积，k=2Depthwise是指将的输入分为组，然后每一组做卷积，如图7。
BlueOceans·2019-11-29 16:00

精简CNN模型系列之五：MobileNet v2

介绍DepthwiseConvolution应该首创于Google的MobileNet网络。自此后渐渐它已经被用于了越来越多的移动端CNN网络当中。
manofmountain·2019-11-06 16:42

深度学习入门篇--手把手教你用 TensorFlow 训练模型

最近笔者终于跑通TensorFlowObjectDetectionAPI的ssd_mobilenet_v1模型，这里记录下如何完整跑通数
腾讯云加社区·2019-11-06 14:05

深度可分离卷积（Xception 与 MobileNet 的点滴）

今天主要讲一下深度可分离卷积（depthwiseseparableconvolutions），这是Xception以及MobileNet系列的精华所在。而它最早是由GoogleBrain
Kaami·2019-11-05 17:22

MobileNet SSD V2模型的压缩与tflite格式的转换

最近项目里需要一个小型的目标检测模型，SSD、YOLO等一通模型调参试下来，直接调用TensorFlowobjectdetectAPI居然效果最好，大厂的产品不得不服啊。使用mobilenetssdv2模型，配置文件也未修改参数，训练后的模型不光检测效果不错，在CPU上的运行时间也在70ms左右。之后将模型移植到安卓手机上（魅族MX4，老的不是一点点），卡顿明显；改用同事的华为，在麒麟960上略微
水击长空·2019-11-04 10:14

no attribute 'outside_compilation'错误

记下当前跑pythonexport_inference_graph.py--input_typeimage_tensor--pipeline_config_pathdata/ssdlite_mobilenet_v1
cfy10·2019-11-04 08:52

轻量级CNN模型mobilenet v1

mobilenetv1论文解读论文地址:https://arxiv.org/abs/1704.04861核心思想就是通过depthwiseconv替代普通conv.有关depthwiseconv可以参考https://www.cnblogs.com/sdu20112013/p/11759928.html模型结构:类似于vgg这种堆叠的结构.每一层的运算量可以看到,运算量并不是与参数数量绝对成正比,
core!·2019-10-31 11:00

第六章（1.8）深度学习实战——深度学习模型训练痛点及解决方法

我们一般使用现成的网络，如inceptionV4，mobilenet等。定义loss，选择优化器，来让loss最小对数据进行迭代训练，使loss到达最小在测试集或者验证集上对准
两只橙·2019-10-20 18:41

Mobile-Efficient Convolutional Neural Network for Mobile Vision Applications

摘要MobileNet网络是一种针对移动端以及嵌入式视觉应用的轻量网络结构，作者来自Google。其贡献在于使用深度可分离卷积和1x1卷积代替传统的2d图像卷积，来构造轻型权重深度神经网络。
假言命题·2019-10-17 18:07

神经网络模型(Backbone)

主要有三个发展方向：Deeper：网络层数更深，代表网络VggNetModule：采用模块化的网络结构（Inception），代表网络GoogleNetFaster:轻量级网络模型，适合于移动端设备，代表网络MobileNet
silence_cho·2019-10-08 22:00

Pytorch之CNN：基于Pytorch框架实现经典卷积神经网络的算法(LeNet、AlexNet、VGG、NIN、GoogleNet、ResNet)——从代码认知CNN经典架构

CNN经典架构目录CNN经典算法细讲1、LeNet-52、AlexNet3、VGGNet4、GoogLeNet/Inception5、ResNetCNN轻量化经典结构及其演化1、SqueezeNet2、MobileNet3
一个处女座的程序猿·2019-10-06 20:02

Mobilenet SSD学习系列（三）Mobilenet SSD训练自己数据集及其验证

前言MobilenetSSD框架搭好后，我们就可以开始对自己数据集进行训练，然后验证其模型是否运行正确。准备工作1）数据集复用SSD项目的，不用拷贝过来，直接使用软链接，如下所示。ln-s/work/xxx/caffe_ssd/data/VOCdevkit/VOC201909/lmdb/VOC201909_test_lmdb/test_lmdbln-s/work/xxx/caffe_ssd/dat
ltshan139·2019-09-29 17:43

Resnet18和mobilenet的网络结构

残差网络：解决普通深度学习网络中深度到达一定程度时，导致的错误率升高的问题。文中表示：使用残差网络结构的深度网络，能够获得比浅网络更低的错误率，并且不断加深网络的层数时，性能并没有退化。planABC表示不同的增加维度方式：Identityvs.ProjectionShortcuts比较了三种选择：（A）zero-paddingshortcuts用来增加维度（Residualblock的维度小于输
chen1234520nnn·2019-09-26 08:03

mobilenet 网络结构解析

1.普通的卷积操作假设S=1,P=1，输入DF*DF*M,卷积核是DK*DK*M*N,输出是(DF-DK+3)*(DF-DK+3)*N.其中计算量是DK*DK*M*N*DF*DF2.我们使用depthwiseconvolution，针对每个输入通道采用不同的卷积核，就是说一个卷积核对应一个输入通道假设S=1,P=1.输入DF*DF*M,卷积核是DK*DK*M,输出是(DF-DK+3)*(DF-DK
东东就是我·2019-09-20 15:36

深度解读ShuffleNet网络结构

这篇文章可以和MobileNet、Xception和ResNeXt结合来看，因为有类似的思想。卷积的group操作从AlexNet就已经有了，当时主要是解决模型在双GP
东城青年·2019-09-18 19:58

深刻解读MobileNet网络结构

原文链接：https://blog.csdn.net/c20081052/article/details/80703896引言卷积神经网络（CNN）已经普遍应用在计算机视觉领域，并且已经取得了不错的效果。图1为近几年来CNN在ImageNet竞赛的表现，可以看到为了追求分类准确度，模型深度越来越深，模型复杂度也越来越高，如深度残差网络（ResNet）其层数已经多达152层。图1CNN在ImageN
东城青年·2019-09-18 16:15

ShuffleNet论文学习

（效率>MobileNet)与流行的结构相比，ShuffleNet使用了更多的featuremapchannels，能够编码更多的信息。RelatedWork
cititude·2019-09-17 19:00

TensorFlow助力微信小程序，来自谷歌开发者大会上的商用案例

就拿微信小程序有2M的大小限制来说，就是一大难题，TensorFlow的js文件就有几百K，而一个精简的图片分类模型MobileNet，就有1M多，再加上本身的业务逻
云水木石·2019-09-16 11:50

IGCV三部曲：Interleaved Structured Sparse Convolutional Neural Networks

原文链接：https://blog.csdn.net/weixin_42040743/article/details/81674499继Mobilenet，shufflenet之后，对于通道分组以及通道混洗分析得比较细致的三篇文章
edward_zcl·2019-09-15 18:17

几种网络理解——Squeezenet、Mobilenet、Shufflenet、IGCV、Densenet

原文链接：https://blog.csdn.net/derteanoo/article/details/81160521文章最后一句话很有道理，PaddlePaddle的设计充分考虑了这一点，充分利用显卡计算资源与显存，搭配灵活性与使用方便，是评价一个深度学习框架的重要指标。。本文链接：https://blog.csdn.net/derteanoo/article/details/8116052
edward_zcl·2019-09-15 17:47

MobileNet论文学习

AbstractMobileNet用于移动或嵌入式应用，其主要方法是通过引入2个超参以在延迟和准确率上做tradeoff，是一个轻量级结构。可用于objectdetection,fine-grainclassification,faceattributesandlargescalegeo-localization.Introduction自AlexNet开始的neuralnetwork致力于加大网
cititude·2019-09-14 20:00

MobileNet总结

MobileNetV1MobileNet主要是针对移动端或者嵌入式设备优化的卷积。特点：（1）放弃pooling直接采用stride=2进行卷积运算。
lm709409753·2019-09-10 14:34

MixNet学习笔记

作者将混合了不同尺寸的卷积核的卷积操作命名为MDConv，并将其使用在深度可分离卷积中，能提高显存的MobileNet的准确率。3*3的卷积已经得到了广泛的实践
啊顺·2019-09-09 21:00

mobilenet V3算法理解与代码解析

MobileNetV3是通过结合硬件感知网络架构搜索(NAS)和NetAdapt算法设计改进而来，这里不讨论网络自动搜索，我们详细解读mobilenetV3的网络结构和代码实现。1.depth-wiseconvolution(DWconv)深度可分离卷积与普通卷积的区别在于：DWconv是按深度（channel数）逐层卷积获得一个个新的featuremap，但是这些新的featuremap并没有空
小小小绿叶·2019-09-06 10:55

【Caffe】用Caffe训练MobileNetSSD

三、训练MobileNetSSD1.克隆MobileNetSSD源码gitclonehttps://github.com/chuanqi305/MobileNet-SSD.git将下载的整个文件夹拷贝到
heiheiya·2019-09-04 17:51

为什么MobileNet v2比v1深度更深，但是参数量和速度反而减少

MobileNetv2基础结构中增加的升维PW卷积，可以将通道数扩大到较高的维度。在卷积的计算过程中，参数量计算公式为CinKhKw*Cout，可以看出在卷积核固定的情况下，通道数越多，参数量也就越大。MobileNetv1使用的可分离卷积，将Cin和Cout的乘法分离为两个较小因子乘法的和，因此减少了参数量，但其基于VGG16的网络结构，在深层512（包括重复5次的卷积层）以及1024通道的运算
vagrancy_-·2019-09-04 15:36

《Xception--利用深度可分离卷积的深度学习》论文笔记

Xception 之前介绍MobileNet的时候说过深度可分离卷积，不过说起来这篇Xception的论文还要更早利用/借鉴到深度可分离卷积（当然两者都不是原创，而是借鉴了2014年的一篇博士论文：《L.Sifre.Rigid-motionscatteringforimageclassification.hDthesis
JR_Chan·2019-09-03 15:18

《Xception--利用深度可分离卷积的深度学习》论文笔记

Xception 之前介绍MobileNet的时候说过深度可分离卷积，不过说起来这篇Xception的论文还要更早利用/借鉴到深度可分离卷积（当然两者都不是原创，而是借鉴了2014年的一篇博士论文：《L.Sifre.Rigid-motionscatteringforimageclassification.hDthesis
JR_Chan·2019-09-03 15:18

100+前沿“拿来即用”开源深度学习模型汇总分享

比如Pytorch仅需一行代码(torch.hub.load())调用ResNet,ResNext,BERT,GPT,PGAN,Tacotron,DenseNet,MobileNet等最新模型。
lqfarmer·2019-08-31 23:00

深度学习-服务端训练+android客户端物体识别实战（caffe+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solver（
感性企鹅·2019-08-27 15:56

各种AI模型拿来就能用！五大深度学习模型库大盘点

因为它太强了：ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度学习领域的经典模型，只需输入一行代码，就能一键调用。
QbitAl·2019-08-23 16:07

各种AI模型拿来就能用！五大深度学习模型库大盘点

因为它太强了：ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度学习领域的经典模型，只需输入一行代码，就能一键调用。
QbitAl·2019-08-23 16:07

MobileNet v1-v2的理解

v1:（1）单片卷积+1x1通道改维度；（2）宽度因子a+分辨率因子b；（以最低的精度损失换取大量的参数减少）v2:（1）加入残差结构（先升维：增加信息量，再降维度：较少参数，与Resnet相反），增加梯度传播（2)较少block最后的Relu，为lineat，减少信息破坏；（3）全卷积（减少参数）+relu6（采用float16，防止数值爆炸）文章目录一、参数数量和理论计算量1、定义2、计算公式
陈路飞·2019-08-21 16:52

tensorflow解决batch_normalization模型调用遇到的问题和模型引入正则项的问题

最近遇到一个比较奇怪的问题，就是调用训练好的mobilenet_v2时出现模型输出结果全是瞎猜的！
qq_38644840·2019-08-21 09:28

Mobilenet-SSD在widerface数据集上训练人脸检测模型

最近一段时间一直忙着实习和在研究insightface人脸识别模型的相关事宜，上次说更新mobilenet-ssd的人脸检测，结果一拖再拖，非常抱歉。
Danbinabo_zzz·2019-08-19 15:13

Mobilenet-SSD在widerface数据集上训练人脸检测模型

最近一段时间一直忙着实习和在研究insightface人脸识别模型的相关事宜，上次说更新mobilenet-ssd的人脸检测，结果一拖再拖，非常抱歉。
Danbinabo_zzz·2019-08-19 15:13

可分离卷积详解及计算量 Basic Introduction to Separable Convolutions

任何看过MobileNet架构的人都会遇到可分离卷积（separableconvolutions）这个概念。但什么是“可分离卷积”，它与标准的卷积又有什么区别？
Jerry_Jin·2019-08-12 22:00

MobileNetV3 论文

Abstract mobilenetV3是搜索技术和架构设计相结合的下一代mobilenet。
落地生根1314·2019-08-12 20:46

MobileNet系列

最近一段时间，重新研读了谷歌的mobilenet系列，对该系列有新的认识。1.MobileNetV1这篇论文是谷歌在2017年提出了，专注于移动端或者嵌入式设备中的轻量级CNN网络。
啊顺·2019-08-12 20:00

关于卷积操作（Convolution）的理解（参数量和运算量计算），以及网络轻量化（MobileNet Inspired Depthwise Separable Conv深度可分离卷积）

深度学习，尤其是深度卷积网络的迅猛发展，使得其在存储和算力奢侈的GPU（多GPU）上的部属趋于成熟。然而，将基于深度CNN的方法有效移植到存储和算力有限的移动设备端（手机、Pad、嵌入式设备等）面临诸多挑战。核心挑战就是如何降低CNN对memory（存储）和FLOPS（算力）的要求，但又保持CNN的性能（相比于其在GPU端的原貌）没有显著衰减。为解决这一核心挑战，我们就需要研究网络轻量化，具体说就
Trasper1·2019-08-10 18:41

tensorflow lite将ssd_mobilenet移植至移动端

准备工作下载tensorflow源码gitclonehttps://github.com/tensorflow/tensorflow.git下载tensorflowmodelgitclonehttps://github.com/tensorflow/models.git下载并安装bazel编译工具https://docs.bazel.build/versions/master/install.ht
三寸光阴___·2019-08-09 10:27

keras当中对MobileNet进行fine-tuning出现的错误：could not create a dilated convolution forward descriptor

tensorflow.python.framework.errors_impl.AbortedError:Operationreceivedanexception:Status:3,message:couldnotcreateadilatedconvolutionforwarddescriptor,infiletensorflow/core/kernels/mkl_conv_ops.cc:1111
HK_Joe·2019-08-09 10:48

keras当中对MobileNet进行fine-tuning出现的错误：we expect the tensors to have a static batch size

之前在进行MobileNet的fine-tuning的时候，出现了以下的问题ValueError:Whenfeedingsymbolictensorstoamodel,weexpectthetensorstohaveastaticbatchsize.Gottensorwithshape
HK_Joe·2019-08-09 09:18

玩转Jetson nano系列（2）：结合ncnn的实时yolov2目标检测

一.修改自带yolov2源码因为自带yolov2是基于mobilenet的，而且只支持图片检测，为了让模型支持cam的实时检测，因此需要对自带的源码进行修改。进入自
hanzy88·2019-08-04 21:51

纵览轻量化卷积神经网络：SqueezeNet、MobileNet、ShuffleNet、Xception

原文链接：https://zhuanlan.zhihu.com/p/32746221https://zhuanlan.zhihu.com/p/32746221https://zhuanlan.zhihu.com/p/35405071一、简介虽然网络性能得到了提高，但随之而来的就是效率问题。效率问题主要是模型的存储问题和模型进行预测的速度问题（以下简称速度问题）第一，存储问题。数百层网络有着大量的权
pursuit_zhangyu·2019-08-04 10:14

DL之MobileNetV2：MobileNetV2算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略

算法的简介(论文介绍)MobileNetV2算法的架构详解1、MobileNetV1→MobileNetV22、主要贡献是一个新颖的层模块3、实验结果MobileNetV2算法的案例应用相关文章DL之MobileNet
一个处女座的程序猿·2019-08-03 19:41

深度学习算法面试题

2，Mobilenet-V1中deepwiseconv参数计算推到，论文中有！3，Bottleneck结构知道么？为什么叫瓶颈，有什么道理么？4，深度优先遍历和广度优先遍历的思想和代码实现（数据
2Dposeliu·2019-08-02 14:23
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他