MobileNetV2：下一代設備上計算機視覺網路

文 / Google Research Mark Sandler 和 Andrew Howard

去年，我們引入了面向移動設備設計的通用型計算機視覺神經網路系列 MobileNetV1，支持分類和檢測等功能。在個人移動設備上運行深度網路可以提升用戶體驗，允許隨時隨地訪問，並且在安全性、隱私和能耗方面同樣具有優勢。隨著可讓用戶與現實世界實時交互的新應用的出現，對更高效神經網路的需求也逐漸增加。

今天，我們很高興地宣布，MobileNetV2 已經發布，它將為下一代移動視覺應用提供支持。

MobileNetV2 在 MobileNetV1 的基礎上進行了重大改進，並推動了移動視覺識別技術的發展，包括分類、對象檢測和語義分割。MobileNetV2 作為 TensorFlow-Slim 圖像分類庫的一部分發布，您也可以在 Colaboratory 中瀏覽 MobileNetV2。或者，也可以下載筆記本並在本地使用 Jupyter 操作。MobileNetV2 還將作為 TF-Hub 中的模塊，預訓練檢查點位於 github 中。

MobileNetV2 以 MobileNetV1[1]的理念為基礎，使用深度可分離卷積作為高效構建塊。此外，V2 在架構中引入了兩項新功能：1) 層之間的線性瓶頸，以及 2) 瓶頸之間的快捷連接。基本結構如下所示。

MobileNetV2 架構概覽

藍色塊表示上面所示的複合卷積構建塊

我們可以直觀地理解為，瓶頸層對模型的中間輸入和輸出進行編碼，而內層封裝了讓模型可以將低級概念（如像素）轉換為高級描述符（如圖像類別）的功能。最後，與傳統的殘差連接一樣，快捷連接也可以提高訓練速度和準確性。要詳細了解技術細節，請參閱論文 「MobileNet V2:Inverted Residuals and Linear Bottlenecks」。

MobileNetV2 與第一代 MobileNet 相比有何不同？

總體而言，MobileNetV2 模型在整體延遲時間範圍內可以更快實現相同的準確性。特別是在 Google Pixel 手機上，與 MobileNetV1 模型相比，新模型的運算數減少 2 倍，參數減少 30%，而速度提升 30-40%，同時準確性也得到提高。

MobileNetV2 提高了速度（縮短了延遲時間）並提高了 ImageNet Top 1 的準確度

對於對象檢測和分割而言，MobileNetV2 是非常有效的特徵提取器。例如，在檢測方面，與新引入的 SSDLite[2]搭配使用時，在實現相同準確性的情況下，新模型的速度要比 MobileNetV1 快大約 35%。我們已在 Tensorflow Object Detection API[4]下開源該模型。

為了實現設備上語義分割，我們在近期宣布的 DeepLabv3[3]的簡化版中採用 MobileNetV2 作為特徵提取器。在採用語義分割基準 PASCAL VOC 2012 的條件下，新模型的性能與使用 MobileNetV1 作為特徵提取器的性能相似，但前者的參數數量減少 5.3 倍，乘加運算數量減少 5.2 倍。

綜上，MobileNetV2 提供了一個非常高效的面向移動設備的模型，可以用作許多視覺識別任務的基礎。我們現將此模型與廣大學術和開源社區分享，希望藉此進一步推動研究和應用開發。

參考文獻

1. MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications, Howard AG, Zhu M, Chen B, Kalenichenko D, Wang W, Weyand T, Andreetto M, Adam H, arXiv:1704.04861, 2017.

2. MobileNetV2:Inverted Residuals and Linear Bottlenecks, Sandler M, Howard A, Zhu M, Zhmoginov A, Chen LC. arXiv preprint. arXiv:1801.04381, 2018.

3. Rethinking Atrous Convolution for Semantic Image Segmentation, Chen LC, Papandreou G, Schroff F, Adam H. arXiv:1706.05587, 2017.

4. Speed/accuracy trade-offs for modern convolutional object detectors, Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A, Fischer I, Wojna Z, Song Y, Guadarrama S, Murphy K, CVPR 2017.

5. Deep Residual Learning for Image Recognition, He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. arXiv:1512.03385,2015

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！