点击上方“计算机视觉life”，选择“置顶”

本文转载自我爱计算机视觉，禁二次转载

在现代深度学习算法研究中，通用的骨干网+特定任务网络head成为一种标准的设计模式。比如VGG + 检测Head，或者inception + 分割Head。

在移动端部署深度卷积网络，无论什么视觉任务，选择高精度的计算量少和参数少的骨干网是必经之路。这其中谷歌家去年发布的 MobileNetV2是首选。

在MobileNetV2论文发布时隔一年4个月后，MobileNetV3 来了！

这必将引起移动端网络升级的狂潮，让我们一起来看看这次又有什么黑科技！

昨天谷歌在arXiv上公布的论文《Searching for MobileNetV3》，详细介绍了MobileNetV3的设计思想和网络结构。

先来说下结论：MobileNetV3 没有引入新的 Block，题目中Searching已经道尽该网络的设计哲学：神经架构搜索！

研究人员公布了 MobileNetV3 有两个版本，MobileNetV3-Small 与 MobileNetV3-Large 分别对应对计算和存储要求低和高的版本。

下图分别是MobileNetV3两个版本与其他轻量级网络在Pixel 1 手机上的计算延迟与ImageNet分类精度的比较。可见MobileNetV3 取得了显著的比较优势。

下图是ImageNet分类精度、MADD计算量、模型大小的比较，MobileNetV3依然是最优秀的。

高效的网络构建模块

前面已经说过，MobileNetV3 是神经架构搜索得到的模型，其内部使用的模块继承自：

1. MobileNetV1 模型引入的深度可分离卷积（depthwise separable convolutions）；

2. MobileNetV2 模型引入的具有线性瓶颈的倒残差结构(the inverted residual with linear bottleneck)；

3. MnasNet 模型引入的基于squeeze and excitation结构的轻量级注意力模型。

这些被证明行之有效的用于移动端网络设计的模块是搭建MobileNetV3的积木。

互补搜索

在网络结构搜索中，作者结合两种技术：资源受限的NAS（platform-aware NAS）与NetAdapt，前者用于在计算和参数量受限的前提下搜索网络的各个模块，所以称之为模块级的搜索（Block-wise Search） ，后者用于对各个模块确定之后网络层的微调。

这两项技术分别来自论文：

M. Tan, B. Chen, R. Pang, V. Vasudevan, and Q. V. Le. Mnasnet: Platform-aware neural architecture search for mobile. CoRR, abs/1807.11626, 2018. 

T. Yang, A. G. Howard, B. Chen, X. Zhang, A. Go, M. Sandler, V. Sze, and H. Adam. Netadapt: Platform-aware neural network adaptation for mobile applications. In ECCV, 2018

前者相当于整体结构搜索，后者相当于局部搜索，两者互为补充。

到这里，我们还没看到算法研究人员的工作在哪里（启动训练按钮？）

继续往下看。

网络改进

作者们发现MobileNetV2 网络端部最后阶段的计算量很大，重新设计了这一部分，如下图：

这样做并不会造成精度损失。

另外，作者发现一种新出的激活函数swish x 能有效改进网络精度：

但就是计算量太大了。

于是作者对这个函数进行了数值近似：

事实证明，这个近似很有效：

从图形上看出，这两个函数的确很接近。

MobileNetV3 网络结构！

这就是今天的主角了！

使用上述搜索机制和网络改进，最终谷歌得到的模型是这样（分别是MobileNetV3-Large和MobileNetV3-Small）：

内部各个模块的类型和参数均已列出。

谷歌没有公布用了多少时间搜索训练。

目前谷歌还没有公布MobileNetV3的预训练模型，不过读者可以按照上述结构构建网络在ImageNet上训练得到权重。

实验结果

作者使用上述网络在分类、目标检测、语义分割三个任务中验证了MobileNetV3的优势：在计算量小、参数少的前提下，相比其他轻量级网络，依然在在三个任务重取得了最好的成绩。

下图是ImageNet分类Top-1精度、计算量、参数量及在Pixel系列手机实验的结果：

下图是与前一代MobieNetV2的比较结果：

这是使用其构筑的SSDLite目标检测算法在MS COCO数据集上的比较结果：

V3-Large取得了最高的精度，V3-Small 取得了V2近似的精度，速度却快很多。

另外作者基于MobieNetV3设计了新的轻量级语义分割模型Lite R-ASPP：

下图是使用上述分割算法在CItyScapes验证集上的结果比较：

精度提升不明显，速度有显著提升。

下图是与其他轻量级语义分割算法的比较，MobileNetV3取得了不小的优势。

总结一下：

MobileNetV3-Large在ImageNet分类上的准确度与MobileNetV2相比提高了3.2％，同时延迟降低了15％。

MobileNetV3-large 用于目标检测，在COCO数据集上检测精度与MobileNetV2大致相同，但速度提高了25％。

在Cityscapes语义分割任务中，新设计的模型MobileNetV3-Large LR-ASPP 与 MobileNetV2 R-ASPP分割精度近似，但快30％。

期待谷歌早日将其预训练模型开源～

神经架构搜索火了，但感觉是不是算法设计也越来越乏味了。。。

欢迎发表你的看法。

推荐阅读

CVPR2019 | Decoders 对于语义分割的重要性CVPR2019 | R-MVSNet: 一个高精度高效率的三维重建网络
CVPR2019 | SiamMask：视频跟踪最高精度
CVPR 2019 | 用异构卷积训练深度CNN：提升效率而不损准确度
CVPR 2019 | 人大 ML 研究组提出新的视频测谎算法
CVPR2019 | 医学影像：MIT 利用学习图像变换进行数据增强CVPR 2019 | GeoNet：基于测地距离的点云分析深度网络
CVPR2019 | 中科大&微软开源：姿态估计新模型HRNet
CVPR 2019 | 京东提出 ScratchDet：随机初始化训练SSD目标检测器
CVPR 2019 | 微软亚研院提出用于语义分割的结构化知识蒸馏
CVPR2019 | 6D目标姿态估计，李飞飞等提出DenseFusion
CVPR 2019 | PointConv：在点云上高效实现卷积操作
CVPR 2019 | 图像压缩重建也能抵御对抗样本
CVPR 2019 | 神奇的超分辨率算法DPSR：应对图像模糊降质综述 | CVPR2019目标检测方法进展

--end--

声明：本文章由网友投稿作为教育分享用途，如有侵权原作者可通过邮件及时和我们联系删除：freemanzk@qq.com