MobileNetV2：下一代设备上计算机视觉网络

文 / Google Research Mark Sandler 和 Andrew Howard

去年，我们引入了面向移动设备设计的通用型计算机视觉神经网络系列 MobileNetV1，支持分类和检测等功能。在个人移动设备上运行深度网络可以提升用户体验，允许随时随地访问，并且在安全性、隐私和能耗方面同样具有优势。随着可让用户与现实世界实时交互的新应用的出现，对更高效神经网络的需求也逐渐增加。

今天，我们很高兴地宣布，MobileNetV2 已经发布，它将为下一代移动视觉应用提供支持。

MobileNetV2 在 MobileNetV1 的基础上进行了重大改进，并推动了移动视觉识别技术的发展，包括分类、对象检测和语义分割。MobileNetV2 作为 TensorFlow-Slim 图像分类库的一部分发布，您也可以在 Colaboratory 中浏览 MobileNetV2。或者，也可以下载笔记本并在本地使用 Jupyter 操作。MobileNetV2 还将作为 TF-Hub 中的模块，预训练检查点位于 github 中。

MobileNetV2 以 MobileNetV1[1]的理念为基础，使用深度可分离卷积作为高效构建块。此外，V2 在架构中引入了两项新功能：1) 层之间的线性瓶颈，以及 2) 瓶颈之间的快捷连接。基本结构如下所示。

MobileNetV2 架构概览

蓝色块表示上面所示的复合卷积构建块

我们可以直观地理解为，瓶颈层对模型的中间输入和输出进行编码，而内层封装了让模型可以将低级概念（如像素）转换为高级描述符（如图像类别）的功能。最后，与传统的残差连接一样，快捷连接也可以提高训练速度和准确性。要详细了解技术细节，请参阅论文 “MobileNet V2:Inverted Residuals and Linear Bottlenecks”。

MobileNetV2 与第一代 MobileNet 相比有何不同？

总体而言，MobileNetV2 模型在整体延迟时间范围内可以更快实现相同的准确性。特别是在 Google Pixel 手机上，与 MobileNetV1 模型相比，新模型的运算数减少 2 倍，参数减少 30%，而速度提升 30-40%，同时准确性也得到提高。

MobileNetV2 提高了速度（缩短了延迟时间）并提高了 ImageNet Top 1 的准确度

对于对象检测和分割而言，MobileNetV2 是非常有效的特征提取器。例如，在检测方面，与新引入的 SSDLite[2]搭配使用时，在实现相同准确性的情况下，新模型的速度要比 MobileNetV1 快大约 35%。我们已在 Tensorflow Object Detection API[4]下开源该模型。

为了实现设备上语义分割，我们在近期宣布的 DeepLabv3[3]的简化版中采用 MobileNetV2 作为特征提取器。在采用语义分割基准 PASCAL VOC 2012 的条件下，新模型的性能与使用 MobileNetV1 作为特征提取器的性能相似，但前者的参数数量减少 5.3 倍，乘加运算数量减少 5.2 倍。

综上，MobileNetV2 提供了一个非常高效的面向移动设备的模型，可以用作许多视觉识别任务的基础。我们现将此模型与广大学术和开源社区分享，希望借此进一步推动研究和应用开发。

参考文献

1. MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications, Howard AG, Zhu M, Chen B, Kalenichenko D, Wang W, Weyand T, Andreetto M, Adam H, arXiv:1704.04861, 2017.

2. MobileNetV2:Inverted Residuals and Linear Bottlenecks, Sandler M, Howard A, Zhu M, Zhmoginov A, Chen LC. arXiv preprint. arXiv:1801.04381, 2018.

3. Rethinking Atrous Convolution for Semantic Image Segmentation, Chen LC, Papandreou G, Schroff F, Adam H. arXiv:1706.05587, 2017.

4. Speed/accuracy trade-offs for modern convolutional object detectors, Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A, Fischer I, Wojna Z, Song Y, Guadarrama S, Murphy K, CVPR 2017.

5. Deep Residual Learning for Image Recognition, He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. arXiv:1512.03385,2015