MobileNetV3

最新推荐文章于 2025-06-26 10:36:01 发布

原创

最新推荐文章于 2025-06-26 10:36:01 发布 · 1.9k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#网络 #算法 #神经网络 #大数据 #python

MobileNetV3是通过硬件网络架构搜索（NAS）与NetAdapt算法结合，针对移动设备优化的神经网络模型。论文展示了MobileNetV3-Large和MobileNetV3-Small在分类、检测和分割任务上的最新技术成果，提高了准确性和降低了延迟。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文地址

摘要

我们基于互补搜索技术的组合以及新颖的架构设计呈现下一代MobileNets。MobileNetV3通过硬件网络架构搜索(NAS)与NetAdapt算法相结合的方式调整到移动电话CPU，然后通过新颖的架构改进进行改进。本文开始探索自动搜索算法和网络设计如何协同工作，以利用互补的方法来改善整体的现状。通过这个过程，我们为发布创建了两个新的MobileNet模型：MobileNetV3-Large和MobileNetV3-Small，它们针对高资源和低资源使用情况。然后，这些模型被适应并应用于对象检测和语义分割的任务。对于语义分割(或任何密集像素预测)的任务，我们提出了一种新的有效分割解码器Lite Reduced Atrous Spatial Pyramid Pooling(LR-ASPP)。我们实现了移动分类，检测和分割的最新技术成果。MobileNetV3-Large在ImageNet分类上的准确度提高了3.2％，与MobileNetV2相比，延迟降低了15％。与MobileNetV2相比，MobileNetV3-Small的准确度提高了4.6％，同时将延迟降低了5％。MobileNetV3-大检测速度提高了25％，与COCO检测时的MobileNetV2大致相同。MobileNetV3-Large LR-ASPP比MobileNetV2 R-ASPP快30％，与Cityscapes细分的准确度相似。