Kerasの作者@fcholletさんのCVPR'17論文XceptionとGoogleのMobileNets論文を読んだDeepLearningKeras はじめに 最初は、軽量なConvNetに興味があったのでGoogleから出ているMobileNets 1 を読んでいたのだが、その過程でCholletさんのXception論文 2 を(後者は今更)読んだので合わせてまとめる。Cholletさんの論文はなんとなくカジュアルな雰囲気がして面白い。 どちらの論文もpointwise convolutionとdepthwise (separable) convoutionを用いて精度を保ちながらCNNのパラメータ数を削減している。すなわち、精度とパラメータ数のトレードオフを改善していると言える。 Xceptionは、パラメータ削減により、同一のパラメータで大規模な画像認識の高精度化を実現し、
![Kerasの作者@fcholletさんのCVPR'17論文XceptionとGoogleのMobileNets論文を読んだ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3a46dcc47c896a275067ce624ba1c32f9caaae00/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9S2VyYXMlRTMlODElQUUlRTQlQkQlOUMlRTglODAlODUlNDBmY2hvbGxldCVFMyU4MSU5NSVFMyU4MiU5MyVFMyU4MSVBRUNWUFIlMjcxNyVFOCVBQiU5NiVFNiU5NiU4N1hjZXB0aW9uJUUzJTgxJUE4R29vZ2xlJUUzJTgxJUFFTW9iaWxlTmV0cyVFOCVBQiU5NiVFNiU5NiU4NyVFMyU4MiU5MiVFOCVBQSVBRCVFMyU4MiU5MyVFMyU4MSVBMCZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9MDAzZDUwZTNmN2IxNmRiZGMxODVhNTNmZmRkMTNmOWQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB5dTR1JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0yZWFhMmQxYzBhY2VhMWM0ZjNiN2NlZGVmMDI0OTliNg%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Dcc54b12d830c49bec6be9fc50d4bf215)