MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

論文

• MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
• Paper: https://arxiv.org/abs/1704.04861
• Submission Date: 2017.4

要旨

• Depthwise Separable Convolutionを用いて、計算量削減やパラメータ数の削減する効率的なCNNアーキテクチャを提案した
• 効率化は、畳み込み層の分割（Factorization）するDepthwise Separable Convolutionを用いることによって実現する
• チャンネル数とFeature Mapの解像度を制御する2つのパラメータの導入により、精度とコストのトレードオフを調整することができる

提案手法

• 通常の畳み込みフィルター（Standard Convolutional Filters）は、空間方向の畳み込み（Depthwise）とチャンネル方向の畳み込み（Pointwise）に分割することができる（分割しても同じような結果を得られることができる）
  • この分割により計算量を1/8から1/9に削減することができる
  • この2つの畳込みを合わせたものをDepthwise Separable Convolutionとよぶ

Standard Convolutional Filtersの分割イメージ

• MobileNetsでは、Depthwise Separable Convolutionを用いて以下のようなアーキテクチャで定義される

MobileNetsのアーキテクチャ

結果

• ImageNetのデータセットで学習した結果、70.6%を精度を達成した
  • VGGと比べ計算量が32倍、パラメータ数が27倍も小さいが精度は同程度である

他のCNNモデルとの比較結果