mobilenet

1/4ページ

MediaPipe Objectron:モバイル上でリアルタイムに物体の三次元形状を認識(2/2)

AI

1.MediaPipe Objectron:モバイル上でリアルタイムに物体の三次元形状を認識(2/2)まとめ ・実世界データとAR合成データを組み合わせることで、精度を約10%向上させる事に成功 ・バックボーンとなっている技術は、MobileNetv2上に構築されたエンコーダーデコーダーアーキテクチャー ・ モバイルパイプラインの効率をさらに高めるために、数フレームごとに1回だけモデルの推論を実行 […]

MobileNetV3:次世代のオンデバイス視覚モデル(3/3)

AI

1.MobileNetV3:次世代のオンデバイス視覚モデル(3/3)まとめ ・精度とEdge TPU上で実行された際の速度を両立させるAutoMLをした結果MobileNetEdgeTPUモデル誕生 ・既存のモバイルモデルよりも同一精度でより早い応答速度もしくは同一応答速度でより高い精度を実現 ・しかしMobileNetEdgeTPUをモバイルCPUで実行するとMobileNetV3と比較してパフ […]

MobileNetV3:次世代のオンデバイス視覚モデル(2/3)

AI

1.MobileNetV3:次世代のオンデバイス視覚モデル(2/3)まとめ ・MobileNetV3の探索スペースはh-swishとsqueeze-and-excitationで改良が施されている ・ネットワークの最後に新しい効率的な〆(last stage)を導入し、応答速度を更に15%削減 ・Lite Reduced Atrous Spatial Pyramid Pooling(LR-SPP) […]

MobileNetV3:次世代のオンデバイス視覚モデル(1/3)

AI

1.MobileNetV3:次世代のオンデバイス視覚モデル(1/3)まとめ ・スマートフォンなどのデバイス上で実行される事が前提のニューラルネットワークMobileNetV3の発表 ・オンデバイスでの実行に最適化されているがMobileNetV2までの手動設計ではなくAutoMLベースモデル ・モバイルCPU上でMobileNetV3はMobileNetV2の2倍の速度で同等の精度を達成している […]

EfficientNet:AutoMLとモデルのスケーリングによりCNNの精度と効率を向上(2/2)

AI

1.EfficientNet:AutoMLとモデルのスケーリングによりCNNの精度と効率を向上(2/2)まとめ ・EfficientNetのベースネットワークはAutoML MNASフレームワークによって開発された ・EfficientNetモデルは従来のCNNよりも高い精度と効率を達成しつつパラメータのサイズとFLOPSを削減 ・モデル効率を大幅に向上させるため将来のコンピュータビジョンタスクの […]

1 4