谷歌开源新模型 EfficientNet：图像识别效率提升 10 倍，参数减少 88%(3)

为了更深入地理解复合扩展法能取得更好效果的原因，作者对网络的激活图进行了可视化。比较了相同配置的基线网络经过不同的扩展方法后激活图的变化：

可以看出复合扩展法使得模型更加关注与目标细节相关的区域，而其他配置下的模型则无法很好的通过图像捕捉目标的细节信息。

本文作者通过对模型扩展方法方面存在地问题进行了讨论，从如何权衡网络的深度、宽度以及分辨率方面出发提出了复合扩展方法。并在两种网络结构 MobileNets 和 ResNet 上对这种扩展方法进行了验证。此外，作者还通过神经结构搜索设计了一种新的基线网络 EfficientNet，并对其进行扩展得到了一系列的 EfficientNets。在图像分类标准数据集上，EfficientNets 超越了之前的卷积网络，并且 EfficientNet 参数量更少、推理过程更快。

论文原文链接： https://arxiv.org/abs/1905.11946

开源代码地址：

https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet

【编辑推荐】

1. 不止谷歌！苹果、脸书、亚马逊都要被查了……
2. 开源，能否成为芯片困境破局之道
3. ARM创始人谈华为被禁：长期将伤害ARM、谷歌及美国工业
4. 实现100倍加速！谷歌开源超强张量计算库TensorNetwork
5. 谷歌“反悔”断供华为：被曝正在游说，寻求禁令豁免

（编辑：ASP站长网）