MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
Si bien las arquitecturas de Deep learning desde AlexNet hasta la actualidad han mejorado su eficiencia para diversas funciones, estas a su vez se están volviendo cada vez mas complejas y profundas, con mayor cantidad de parámetros para lograr esto. Estos avances sin embargo no son necesariamente en relación a la eficiencia con respecto a su tamaño y velocidad de predicción. En muchas aplicaciones reales, se requiere que está ejecuten sus predicciones en entornos con recursos computacionales limitados y con un límite del tiempo de respuesta especifico. Para esto el paper trata de proponer una arquitectura que es eficiente y adaptable a las diferentes necesidades.
La arquitectura mobileNet se basa en factorizar las convoluciones tradicionales en 2 tipos de capas, una primera capa convolucional “depthwise” y una capa convolucional 1x1 “pointwise”. Esta división permite reducir el costo computacional y el tamaño del modelo.
Las capas convolucionales estandares tienen un costo computacional entre 8 y 9 veces mayor que el el costo computacional de ambas capas “depthwise” y “poinwise”:
Ademas se agregan 2 parametros que permiten reducir el tamaño y la velocidad de la red neuronal.
El parametro α es un factor que reduce la cantidad de filtros/canales aplicados en cada capa multiplicandolos α ϵ 〈0,1〉. El parametro β es un factor que reduce el tamaño de los inputs multiplicandolo por ∈ 〈0,1〉. Ambos parametros permiten reducir incluso mas el tamaño y tiempo de respuesta de la red neuronal.
computacionales o necesidad de mayor velocidad de las predicciones. Para mayores limitaciones considero que la posibilidad de reducir aún más el tamaño y el tiempo de respuesta es una gran ventaja de esta arquitectura.