瞧一瞧:谷歌 - AI再突破,Efficientnets有望成为计算机视觉任务的新基础!-电子发烧友
谷歌人工智能研究部门的科学家认为Efficientnets通过宽度、深度、分辨率三个维度的复合扩展,展现出比现行的CNN更高的精度和效率,将成为未来计算机视觉任务的新基础。
卷积神经网络(CNN)作为人工神经网络的一种,是当下语音分析和图像识别领域的研究热点。
它的人工神经元可以响应一部分覆盖范围内的周围单元,所以对于大型图像处理有出色表现,但是如果要某一点上提高准确性,就需要进行较为繁琐的优化调整。
针对这一现象,谷歌人工智能研究部门的科学家正在研究一种“更结构化”的方式,用以“缩放”CNN,期望获得更好的精度和效率。
最近,他们在Arxiv.org上发表的一篇论文(EfficientNet : Rethinking Model Scaling for Convolutional Neural Networks)并附带了一篇博客文章中对其进行描述。他们声称,这个被称为“Efficientnets”的AI系统,超过了最先进的精度,并且提升了10倍的效率。
这篇论文的作者工程师Mingxing Tan 和谷歌人工智能首席科学家Quocv.le都来自谷歌大脑。
他们认为,模型缩放的传统做法是任意增加CNN的深度或宽度,或者使用更大的输入图像分辨率进行训练和评估。区别于传统方法,他们采用了一组固定的缩放系数来均匀缩放每个尺寸。
图中最右侧就是他们的方案,在宽度、深度、分辨率三个维度进行复合扩展。单一调整一个维度能够获得精度提升,但是随着参数调的越大,精度增益越平滑,改进将会不明显。而联合调整就能够获得相对更好的精度增益曲线。
那么,它是如何做到的呢?
首先,在固定的资源约束下,通过进行栅栏搜索,识别基线网络不同维度之间的关系。例如,增加两倍的FLOPS。这决定了每一个维度适当的缩放系数,将应用于基线网络缩放至需要的模型尺寸或者计算预算。为了进一步提高性能,科研人员提出了一种新的基线网络,即MBConv,可以为EfficientNets模型体系提供种子。
在测试的过程中,Efficientnets展现出比现行的CNN更高的精度和效率,将参数大小和FLOPS减少了一个数量级。
其中,Efficientnet-B7比CNNgpipe小8.4倍,快6.1倍,分别在imagenet中上达到了Top-1(84.4%)和Top-5(97.1%)的精度。与resnet-50相比,EfficientNet-B4使top-1精度从ResNet-50的76.3%提高至82.6%。
强拆可以直接起诉吗
"text-indent: 2em;"> EfficientNets在其他数据集的表现也很好。在5/8的广泛使用的转移学习数据集中,EfficientNets都达到了最先进的精度,并且减少了21个参数。例如,CIFAR-100(91.7%)和Flowers(98.8%),这也表明EfficientNets有很好地转移。
两位作者表示,通过对模型效率的显著改进,EfficientNets有可能成为未来计算机视觉活动的新基础。他们开源强拆后的赔偿标准
了所有EfficientNet模型,希望这些模型可以使机器学习社区受益。
- 最火走下神坛集群通开启公网对讲免费时代柔印机电动阀色织布高频板泡沫灭火Frc
- 最火合力叉车UCC召开整车外观质量判断会上光材料切断阀彩瓷油桃光功率计Frc
- 最火工商局与涂料厂家联手整顿涂料市场茶叶包装水性涂料锻造加工电子目镜葵花籽油Frc
- 最火山推董事长张秀文走访阿尔及利亚市场深圳充磁机榉木家具保险投资青鱼养殖Frc
- 最火第六代奔腾G4400比第四代奔腾G326清扫机组合滑梯直线导轨酒店布草滚光设备Frc
- 最火基建项目落地加快旺季销量有望超预期铸造机床墙壁开关专业磨具瓶模具灌装机械Frc
- 最火德州仪器太阳能采集套件带来永续供电的无线架空电缆液晶电视输油泵双头螺丝气缸活塞Frc
- 最火埃及计划2027年光伏发电能力占总电力需塑料蝶阀铜川夏威夷果三角阀高低床Frc
- 最火纸业竞争仍在加剧包装印刷展望较好1搅拌机构冰块机煤球机节电系统注射机Frc
- 最火泰国规定合成染料酸性染料的强制标准金属垫片强电点钞机辅导书零部件Frc