去年，我們引入了面向移動(dòng)設(shè)備設(shè)計(jì)的通用型計(jì)算機(jī)視覺神經(jīng)網(wǎng)絡(luò)系列MobileNetV1，支持分類和檢測(cè)等功能。在個(gè)人移動(dòng)設(shè)備上運(yùn)行深度網(wǎng)絡(luò)可以提升用戶體驗(yàn)，允許隨時(shí)隨地訪問，并且在安全性、隱私和能耗方面同樣具有優(yōu)勢(shì)。隨著可讓用戶與現(xiàn)實(shí)世界實(shí)時(shí)交互的新應(yīng)用的出現(xiàn)，對(duì)更高效神經(jīng)網(wǎng)絡(luò)的需求也逐漸增加。

今天，我們很高興地宣布，MobileNetV2已經(jīng)發(fā)布，它將為下一代移動(dòng)視覺應(yīng)用提供支持。

MobileNetV2 在 MobileNetV1 的基礎(chǔ)上進(jìn)行了重大改進(jìn)，并推動(dòng)了移動(dòng)視覺識(shí)別技術(shù)的發(fā)展，包括分類、對(duì)象檢測(cè)和語義分割。MobileNetV2 作為TensorFlow-Slim 圖像分類庫的一部分發(fā)布，您也可以在Colaboratory中瀏覽 MobileNetV2?；蛘?，也可以下載筆記本并在本地使用Jupyter操作。MobileNetV2 還將作為 TF-Hub 中的模塊，預(yù)訓(xùn)練檢查點(diǎn)位于github中。

MobileNetV2 以 MobileNetV1 [1] 的理念為基礎(chǔ)，使用深度可分離卷積作為高效構(gòu)建塊。此外，V2 在架構(gòu)中引入了兩項(xiàng)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(jié)構(gòu)如下所示。

MobileNetV2 架構(gòu)概覽

藍(lán)色塊表示上面所示的復(fù)合卷積構(gòu)建塊

我們可以直觀地理解為，瓶頸層對(duì)模型的中間輸入和輸出進(jìn)行編碼，而內(nèi)層封裝了讓模型可以將低級(jí)概念（如像素）轉(zhuǎn)換為高級(jí)描述符（如圖像類別）的功能。最后，與傳統(tǒng)的殘差連接一樣，快捷連接也可以提高訓(xùn)練速度和準(zhǔn)確性。要詳細(xì)了解技術(shù)細(xì)節(jié)，請(qǐng)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(shí)間范圍內(nèi)可以更快實(shí)現(xiàn)相同的準(zhǔn)確性。特別是在 Google Pixel 手機(jī)上，與 MobileNetV1 模型相比，新模型的運(yùn)算數(shù)減少 2 倍，參數(shù)減少 30%，而速度提升 30-40%，同時(shí)準(zhǔn)確性也得到提高。

MobileNetV2 提高了速度（縮短了延遲時(shí)間）并提高了 ImageNet Top 1 的準(zhǔn)確度

對(duì)于對(duì)象檢測(cè)和分割而言，MobileNetV2 是非常有效的特征提取器。例如，在檢測(cè)方面，與新引入的 SSDLite [2] 搭配使用時(shí)，在實(shí)現(xiàn)相同準(zhǔn)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(shí)現(xiàn)設(shè)備上語義分割，我們?cè)诮谛嫉?DeepLabv3 [3] 的簡化版中采用 MobileNetV2 作為特征提取器。在采用語義分割基準(zhǔn)PASCAL VOC 2012的條件下，新模型的性能與使用 MobileNetV1 作為特征提取器的性能相似，但前者的參數(shù)數(shù)量減少 5.3 倍，乘加運(yùn)算數(shù)量減少 5.2 倍。

綜上，MobileNetV2 提供了一個(gè)非常高效的面向移動(dòng)設(shè)備的模型，可以用作許多視覺識(shí)別任務(wù)的基礎(chǔ)。我們現(xiàn)將此模型與廣大學(xué)術(shù)和開源社區(qū)分享，希望借此進(jìn)一步推動(dòng)研究和應(yīng)用開發(fā)。