-
EfficientNet: Rethinking Model Scaling for Convolutional Neural NetworksARXIV/Convolution Neural Network 2020. 5. 13. 17:13
https://arxiv.org/abs/1905.11946v3
EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
Convolutional Neural Networks (ConvNets) are commonly developed at a fixed resource budget, and then scaled up for better accuracy if more resources are available. In this paper, we systematically study model scaling and identify that carefully balancing n
arxiv.org
abstract
CNN의 경우 제한된 자원의 예산으로 개발되고 자원이 더 가능하다면, 더 나은 정확성을 위해 확장된다. 이 논문에서는 모델의 크기에 연구하고, 네트워크의 깊이, 넓이, 해상도를 균형있게 조절하여 성능을 향상 시킬 수 있는지 확인한다.
간단하고 효과적인 복합 계수를 사용하여, 모든 차원에 대한 깊이, 넓이, 해상도를 새롭게 조정하는 방법을 제안한다. 이 방법은 MobileNet이나 ResNet을 확장할 때 효과를 보여준다. 더 나아가, 새로운 네트워크를 설계하고 확장하여,이전에 CNN 모델보다 더 좋은 EfficientNet을 만들었다.
'ARXIV > Convolution Neural Network' 카테고리의 다른 글
Focal Loss for Dense Object Detection (0) 2020.05.04 CoroNet: A Deep Neural Network for Detection and Diagnosis of Covid-19 from Chest X-ray Images (0) 2020.04.16 Frustratingly Simple Few-Shot Object Detection (0) 2020.03.31 Convolutional Neural Networks with Dynamic Regularization (0) 2020.03.30 Learning Inverse Rendering of Faces from Real-world Videos (0) 2020.03.28