Wyszukiwarka
Abstrakt
As modern convolutional neural networks become increasingly deeper, they also become slower and require high computational resources beyond the capabilities of many mobile and embedded platforms. To address this challenge, much of the recent research has focused on reducing the model size and computational complexity. In this paper, we propose a novel residual depth-separable convolution block, which is an improvement of the basic building block of MobileNet. We modified the original block by adding an identity shortcut connection (with zero-padding for increasing dimensions) from the input to the output. We demonstrated that the modified architecture with the width multiplier (α) set to 0.92 slightly outperforms the accuracy and inference time of the baseline MobileNet (α = 1) on the challenging Places365 dataset while reducing the number of parameters by 14%.
Cytowania
-
2
CrossRef
-
0
Web of Science
-
1
Scopus
Autorzy (4)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
- Tytuł wydania:
- New Trends in Databases and Information Systems strony 315 - 324
- Język:
- angielski
- Rok wydania:
- 2019
- Opis bibliograficzny:
- Brzeski A., Grinholc K., Nowodworski K., Przybyłek A.: Residual MobileNets// New Trends in Databases and Information Systems/ : , 2019, s.315-324
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-30278-8_33
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 103 razy
Publikacje, które mogą cię zainteresować
Column base fixity in steel moment frames: Observations from instrumented buildings
- T. Falborski,
- A. Hassan,
- A. Kanvinde