FasterNet的网络结构借鉴 CNN 的设计理念,通过提出的PConv减少推理时的计算和内存成本,同时减少通道数并增加部分比例,降低延迟,并通过后续的PWConv来弥补特征信息可能缺失的问题,提高了准确性。本文在替换骨干网络中配置了原论文中的fasternet_t0、fasternet_t1、fasternet_t2、fasternet_s、faste
channels() elif m in {convnextv2_atto, convnextv2_femto, convnextv2_pico, convnextv2_nano, convnextv2_tiny, convnextv2_base, convnextv2_large, convnextv2_huge, fasternet_t0, fasternet_t1, fasternet_t2, fasternet_s, fasternet_m, fasternet_l, EfficientViT_M0, EfficientViT_M1, ...
例如,在ImageNet-1k上,我们的小型FasterNet-T0在GPU、CPU和ARM处理器上分别比MobileViT-XXS快3.1倍、3.1倍和2.5倍,同时精度提高了2.9%。我们的大型FasterNet-L取得了令人印象深刻的83.5%的top-1精度,与新兴的Swin-B不相上下,同时在GPU上的推理吞吐量提高了49%,以及在CPU上节省了42%的计算时间。 论文主要亮点...
例如,在 ImageNet-1k 上,我们的微型 FasterNet-T0 是3.1 ×,3.1 ×,和 2.5 ×在 GPU、CPU 和 ARM 处理器上分别比 MobileViT-XXS 快,同时2.9 %更准确。我们的大型 FasterNet-L 取得了令人印象深刻的成绩83.5 %top-1 精度,与新兴的 Swin-B 相当,同时具有49 %GPU 上更高的推理吞吐量,以及节省42 % ...
FasterNet的网络结构借鉴 CNN 的设计理念,通过提出的PConv减少推理时的计算和内存成本,同时减少通道数并增加部分比例,降低延迟,并通过后续的PWConv来弥补特征信息可能缺失的问题,提高了准确性。本文在替换骨干网络中配置了原论文中的fasternet_t0、fasternet_t1、fasternet_t2、fasternet_s、fasternet_m和fasternet_l...
微型模型:FasterNet-T0在GPU、CPU、ARM上的推理速度分别比MobileViT-XXS快2.8×、3.3×、2.4×,同时Top-1精度提升2.9%。 大型模型:FasterNet-L达到83.5%的Top-1精度,与Swin-B相当,但GPU推理吞吐量提升49%,CPU计算时间减少42%。 下游任务:在目标检测(COCO)、语义分割(ADE20K)等任务中,FasterNet在速度和精度上...
例如,在ImageNet-1k上,我们的小型FasterNet-T0在GPU、CPU和ARM处理器上分别比MobileViT-XXS快3.1倍、3.1倍和2.5倍,同时精度提高了2.9%。我们的大型FasterNet-L取得了令人印象深刻的83.5%的top-1精度,与新兴的Swin-B不相上下,同时在GPU上的推理吞吐量提高了49%,以及在CPU上节省了42%的计算时间。
苹果品质分级是农业生产中的重要环节,对于果农和消费者来说都具有重要意义。传统的苹果品质分级通常依赖于人工进行,这不仅费时费力,而且容易受主观因素的影响,导致结果的不一致性。因此,开发一种自动化的苹果品质分级系统具有重要的实际意义。 本研究旨在融合FasterNet的YOLO算法,开发一种高效准确的苹果品质分级系统。通过...
FasterNet的网络结构借鉴 CNN 的设计理念,通过提出的PConv减少推理时的计算和内存成本,同时减少通道数并增加部分比例,降低延迟,并通过后续的PWConv来弥补特征信息可能缺失的问题,提高了准确性。本文在替换骨干网络中配置了原论文中的fasternet_t0、fasternet_t1、fasternet_t2、fasternet_s、fasternet_m和fasternet_l...