CV 经典主干网络 (Backbone) 系列: EfficientNet

最新推荐文章于 2025-04-11 09:07:58 发布
最新推荐文章于 2025-04-11 09:07:58 发布
阅读量3k 收藏 4
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Backbone 文章标签： efficientnet 主干网络 backbone 结构 解析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/kuweicai/article/details/115028203
EfficientNet是由Mingxing Tan等人在2019年提出的，它通过平衡网络深度、宽度和输入分辨率实现模型缩放，以达到更高准确性和效率。文章介绍了混合维度放大法，这是一种根据资源调整网络性能的方法，并展示了在不同系数下生成的EfficientNet-B0到B7模型的优越性能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

CV 经典主干网络 (Backbone) 系列: EfficientNet

作者：Mingxing Tan 等
发表时间：2019
Paper 原文： EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。

练丹师在练丹的时候，对于卷积神经网络，通常通过调整网络深度(depth)、网络宽度(width) 和 输入图像分辨率 (resolution) 大小来找到一个效果比较的网络，但是这却是一个体力活，作者希望找到一个通用的缩放方法，可以使得网络又准又快。

1. 网络结构

1.1 理论

作者通过一些实验得出如下结论：

  • 三个维度中任一维度的放大都可以带来精度的提升，但随着倍率越来越大，提升却越来越小。

  • 得到更高的精度以及效率的关键是平衡网络宽度，网络深度，图像分辨率三个维度的放缩倍率(d, r, w)

基于以上的结论，作者提出了一种混合维度放大法(compound scaling method)

在这里插入图片描述

其中 α , β , γ \alpha, \beta, \gamma α,β,γ，可通过网格搜索获得。混合系数 ϕ \phi

最低0.47元/天 解锁文章

200万优质内容无限畅学
CV 经典主干网络 (Backbone) 系列: CSP-Darknet53
走在深度学习前沿的小宋
04-27 7818
CSP-Darknet53无论是其作为CV Backbone，还是说它在别的数据集上取得极好的效果。与此同时，它与别的网络的适配能力极强。
EfficientNet 改进：StripCGLU模块的创新与应用
最新发布
Henry的博客
06-17 47
本文提出了一种改进的EfficientNet-b0模型，核心创新是通过引入StripCGLU模块来提升网络性能。StripCGLU结合了水平/垂直条带卷积和GLU激活机制，具有参数效率高、计算量少的优点。改进策略包括选择性替换部分MBConv为StripCGLU模块（每隔3个块插入），同时保留早期层结构。测试表明该模型适用于移动端视觉任务，在保持效率的同时提升性能。代码实现包含模块定义、模型构建及测试部分，展示了如何通过精心设计的模块改进现有网络架构。
EfficientNet Backbone结构解析 -- 以EfficientNet-B0为例说明
tanmx219的博客
10-12 3335
一般而言，不论我们是否要将该主干结构用于何种模型，一般都是在这个基础上进行的。例如，将在Yolact中用EfficientNet替换Resnet，可以在同等效果下让模型数据量降为原来的大约1/4到1/5左右。 下面我列出一下主干结构。 self._conv_stem Conv2dStaticSamePadding( (conv): Conv2d(3, 32, kernel_size=(3, 3), stride=(2, 2), bias=False) ) self._blocks 模
EfficientNet网络结构图
weixin_43915511的博客
08-28 7228
Backbone - EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
清欢
06-06 363
文章目录0. 前言1. 要解决什么问题2. 用了什么方法3. 效果如何4. 还存在什么问题 0. 前言 相关资料： arxiv tf-tpu版官方源码，PyTorch Inference 复现 论文解读 论文基本信息 领域：轻量化网络，图像分类 作者单位：Google 发表时间：2019.5 1. 要解决什么问题 而神经网络设计时，一般步骤是先设计/选择一个基础网络（如ResNet/MoBileNet），再在基础网络的基础上对一些网络结构基本参数（如depth/width/resolu
EfficientDet解读（一）：backbone之efficientnet大解析
weixin_45209433的博客
01-21 592
YOLO11改进 | 主干网络 | 用EfficientNet卷积替换backbone【教程+代码 】
kay_545
10-21 2631
yolo11，yolo11改进，EfficientNet
YOLOV5 改进：替换backbone为EfficientNet
Henry的博客
05-26 664
本章将会把yolov5的主干网络替换成EfficientNet V2，这里直接粘贴代码更多的backbone更换参考本专栏：更换的顺序如下：本文更换的是efficientNet V2。
YOLOv7升级换代：EfficientNet骨干网络助力更精准目标检测
学Java，找哪吒
05-08 9976
目标检测是计算机视觉中的重要研究方向，其应用广泛，例如自动驾驶、安防监控等。目前，基于深度学习的目标检测方法已经取得了很大进展，其中YOLO（You Only Look Once）系列模型以其快速且准确的特点备受关注。
YOLOv8 改进：YOLOv8 替换主干网络为 EfficientNet
走向CTO的路上...
04-11 966
YOLO 是一种广泛使用的实时目标检测算法，能够在单个神经网络的推理过程中预测多个边界框和类别概率。其高效率使得它适用于各种需要实时处理的应用。EfficientNet 是谷歌提出的一种卷积神经网络架构，通过复合缩放法（Compound Scaling Method）在参数数量、计算量与准确性方面取得了良好的平衡。它通过优化模型深度、宽度和分辨率，以实现最优性能。将 YOLOv8 的主干网络替换为 EfficientNet 是一个有效的改进方向，可以在保持精度的同时减少计算开销。
Yolact模型添加EfficientNet Backbone
tanmx219的博客
10-14 781
前文对EfficientNet的结构进行了解析，这里，我们把这个结构添加到Yolact中去。 模型源码已经上传，托管在github，直接下载即可，https://github.com/SpaceView/Yolact_EfficientNethttps://github.com/SpaceView/Yolact_EfficientNet 附带说明一下，添加不同Backbone时，最重要的就是要理解Yolact的结构，把Feature_map和FPN的连接弄清楚就没问题了。 Efficient.
efficient net 算法流程图
05-13
efficient net 的流程图 Efficient Net的工作流程如图2所示。 1. 将图片经过第一个Conv3x3层转化为MBConv模块需要的输入维度； 2. 图片经过一系列的MBConv模块提取出特征图（feature map）；各个MBConv模块的参数进行了精细化调整以适应当前使用环境；组合式的尺度优化方法可以使网络获得更好的感受野； 3. 利用基于Fully-Convlutional-Neural-Network的特征图自适应连接方式。使用Conv1x1网络将能适应各种不同尺寸的特征图，并将其统一为我们需要的维度； 4. 最后通过输出的特征图完成图片的分类识别检测。
efficientnet-b5_notop.h5
03-12
对于ImageNet历史上的各种网络而言，可以说EfficientNet在效果上实现了碾压。最新技术EfficientNet-b5_notop.h5权重下载，解决在国内难以加载的困境。
CV 经典主干网络 (Backbone) 系列: SENet
生命在于折腾！
03-20 1197
CV 经典主干网络 (Backbone) 系列: SENet 作者：Jie Hu 等 发表时间：2017 Paper 原文： Squeeze-and-Excitation Networks 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 SENet 是最后一届 ImageNet 挑战赛（ILSVRC2017）的冠军。SENet 的核心是一种叫做 SE Block（Squeeze-and-Excitation） 的结构，其本质是在 channel 维度上做attention 或者 g
【笔记】Backbone（经典主干网络）：VGGNet、GoogLeNet、ResNet、ResNet变种、SENet、SKNet、DarkNet-19、DarkNet-53、EfficientNet
nyist_yangguang的博客
10-16 2098
CV 经典主干网络 (Backbone) 系列: 开篇 这篇是 深度学习中的经典基础网络结构（backbone）总结 的下篇。上篇中从大的发展趋势介绍了下主干网络的发展，而这篇主要是对一些比较经典的主干网络进行简单梳理。 目录CV 经典主干网络 (Backbone) 系列: VGGNet （2014年） CV 经典主干网络 (Backbone) 系列: GoogLeNet（InceptionNet） （2014年） CV 经典主干网络 (Backbone) 系列: ResNet家族（2015年） ..
YOLOv8改进 | 主干网络 | 用EfficientNet卷积替换backbone【教程+代码 】
kay_545
08-09 1644
YOLOv8，EfficientNet，yolov8改进
YOLOv5改进 | 主干网络 | 用EfficientNet卷积替换backbone【教程+代码 】
kay_545
05-21 3828
YOLOv5改进，优化，efficientnet
CV 经典主干网络 (Backbone) 系列: ResNet家族
生命在于折腾！
03-20 3154
CV 经典主干网络 (Backbone) 系列: ResNet家族 作者：Kaiming He 等 发表时间：2015 Paper 原文： Deep Residual Learning for Image Recognition 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 ResNet 在 CV 发展史上有非常重要的意义，它在 ImageNet 挑战赛上，首次实现了超越人类的水平。关于 ResNet 的介绍，将分为上下两个部分： ResNet家族：主要介绍原版（凯明大神论文
CV 经典主干网络 (Backbone) 系列: CSPNet
生命在于折腾！
11-13 8082
CV 经典主干网络 (Backbone) 系列: CSPNet 作者：Chien-Yao Wang 等 发表时间：2019 Paper 原文： CSPNet: A New Backbone that can Enhance Learning Capability of CNN 开源代码：Cross Stage Partial Networks 该篇是 CV 经典主干网络 (Backbone) 系列 下的一篇文章。 作者认为目前的网络结构虽然效果好，但是都是建立在较大的计算量上的，这阻碍了算法应用 ，特别是
yolv8改进系列，yolov8替换主干网络
01-04
### 改进YOLOv8主干网络的方法 #### 使用MobileNetV3作为主干网络 为了提高模型效率并保持良好的精度，在YOLOv8基础上可以采用MobileNetV3来替代原有的主干网络[^1]。MobileNetV3通过引入先进的架构设计和技术优化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值