2021-04-15 14:05:46 +08:00
|
|
|
|
# MixNet系列
|
2021-11-25 15:40:40 +08:00
|
|
|
|
---
|
|
|
|
|
|
## 目录
|
2021-04-15 14:05:46 +08:00
|
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
|
* [1. 概述](#1)
|
|
|
|
|
|
* [2. 精度、FLOPS 和参数量](#2)
|
|
|
|
|
|
|
|
|
|
|
|
<a name='1'></a>
|
|
|
|
|
|
|
|
|
|
|
|
## 1. 概述
|
2021-04-15 14:05:46 +08:00
|
|
|
|
|
|
|
|
|
|
MixNet是谷歌出的一篇关于轻量级网络的文章，主要工作就在于探索不同大小的卷积核的组合。作者发现目前网络有以下两个问题：
|
|
|
|
|
|
|
|
|
|
|
|
- 小的卷积核感受野小，参数少，但是准确率不高
|
|
|
|
|
|
- 大的卷积核感受野大，准确率相对略高，但是参数也相对增加了很多
|
|
|
|
|
|
|
|
|
|
|
|
为了解决上面两个问题，文中提出一种新的混合深度分离卷积(MDConv)(mixed depthwise convolution)，将不同的核大小混合在一个卷积运算中，并且基于AutoML的搜索空间，提出了一系列的网络叫做MixNets，在ImageNet上取得了较好的效果。[论文地址](https://arxiv.org/pdf/1907.09595.pdf)
|
|
|
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
|
<a name='2'></a>
|
2021-04-15 14:05:46 +08:00
|
|
|
|
|
2021-11-25 15:40:40 +08:00
|
|
|
|
## 2. 精度、FLOPS和参数量
|
2021-04-15 14:05:46 +08:00
|
|
|
|
|
|
|
|
|
|
| Models | Top1 | Top5 | Reference<br>top1| FLOPS<br>(M) | Params<br/>(M) |
|
|
|
|
|
|
|:--:|:--:|:--:|:--:|:--:|----|
|
|
|
|
|
|
| MixNet_S | 76.28 | 92.99 | 75.8 | 252.977 | 4.167 |
|
|
|
|
|
|
| MixNet_M | 77.67 | 93.64 | 77.0 | 357.119 | 5.065 |
|
|
|
|
|
|
| MixNet_L | 78.60 | 94.37 | 78.9 | 579.017 | 7.384 |
|
|
|
|
|
|
|
|
|
|
|
|
关于Inference speed等信息，敬请期待。
|
