2025年06月15日
原文来源：arxiv
作者：Bichen Wu、Alvin Wan、Xiangyu Yue、Peter Jin、Sicheng Zhao等
「雷克世界」编译：嗯~阿童木呀
通常情况下，神经网络是依靠卷积来聚集空间信息的。然而，就模型大小和计算而言，空间卷积是非常昂贵的，且这两者会随着内核大小变化呈现出二次方增长趋势。在本文中，我们提出了一种无参数、无FLOPs（每秒浮点运算次数）约束的“移位”操作作为空间卷积的可替代性选择。我们融合了移位和逐点卷积，以构建端到端的可训练的基于移位的模块，其中超参数表征了在准确性和效率之间的折衷。为了演示该操作的有效性，我们用基于移位的模块取代了ResNet的3x3卷积，在使用减少了60％的参数情况下，提高了CIFAR10和CIFAR100中的精度，我们还演示了该操作在ImageNet上对参数减少的弹力适应性，结果显示，其性能要优于ResNet系列。最后，我们展示了移位操作在各领域的适用性，在分类、人脸确认（face verification）和风格迁移任务中仅使用较少的参数便实现了较强的性能表现。
2025年06月15日
在轻量型神经网络架构中，结合 inverted bottleneck 与 depth-wise convolution 的 MobileNet 与其衍生的 EfficientNet 系列堪称经典之作。然而，FLOPs 与推理速度并不成正比关系，实际上 MobileNet 运行在 GPU/ TPU/ DSP 这类硬体上在大多数的时候其实比一般的 ResNet 来的慢。因此， MobileNet 系列可以说有两个缺点：
2025年06月15日
论文基于层级表达提出高效的进化算法来进行神经网络结构搜索，通过层层堆叠来构建强大的卷积结构。论文的搜索方法简单，从实验结果看来，达到很不错的准确率，值得学习
来源：【晓飞的算法工程笔记】 公众号
论文: Hierarchical Representations for Efficient Architecture Search
2025年06月15日
猫狗识别系统。通过TensorFlow搭建MobileNetV2轻量级卷积神经算法网络模型，通过对猫狗的图片数据集进行训练，得到一个进度较高的H5格式的模型文件。然后使用Django框架搭建了一个Web网页端可视化操作界面。实现用户上传一张图片识别其名称。