《ShuffleNet V2: 効率的な CNN アーキテクチャ設計のための実践的ガイドライン》
現在、ニューラル ネットワーク アーキテクチャの設計は、計算の複雑さを間接的に測定する FLOP によってほとんど導かれています。ただし、速度などの直接的な測定値は、メモリ アクセス コストやプラットフォームの特性などの他の要因にも依存します。したがって、この作業では、単に障害を考慮するのではなく、ターゲット プラットフォームで直接的な指標を評価することを提案しています。一連の制御された実験に基づいて、このホワイト ペーパーでは、ネットワークを効率的に設計するための実用的なガイドラインを導き出します。これによると、ShuffleNet V2 と呼ばれる新しいアーキテクチャが提案されています。包括的なアブレーション実験は、私たちのモデルが速度と精度の点で最先端であることを示しています。
論文アドレス: https://arxiv.org/abs/1807.11164
コードアドレス: https://github.com/megvii-model/ShuffleNet-Series
原理分析
ShuffleNetV2画像分類およびオブジェクト検出タスクのための効率的な畳み込みニューラル ネットワーク アーキテクチャです。その主な特徴は、高い精度を維持しながら、モデルの計算とパラメーターの量を大幅に削減することです。
Shuffle