軽量で効率的な電力消費と汎用性を持つ畳み込みニューラルネットワーク、ESPNetv2を紹介します。当ネットワークは、グループごとのポイントワイズおよびディプスワイズの希薄化分離畳み込みを使用して、大きな有効受容野から少ないFLOPs（Floating Point Operations per Second）とパラメータで表現を学習します。当ネットワークの性能は、以下の4つの異なるタスクで評価されました：(1) 物体分類、(2) セマンティックセグメンテーション、(3) 物体検出、(4) 言語モデル化。これらのタスクにおける実験、ImageNetデータセットでの画像分類やPenTreeバンクデータセットでの言語モデル化を含め、当手法が現行の最先端手法に優れていることを示しています。PASCAL VOCデータセットとCityscapesデータセットにおいて、ESPNetv2はESPNetよりも4-5%高い性能を発揮し、FLOPsが2-4倍少ないという結果を得ました。MS-COCO物体検出においてYOLOv2と比較すると、ESPNetv2は6倍少ないFLOPsで4.4%高い精度を達成しました。実験結果から、ESPNetv2はShuffleNetsやMobileNetsなどの既存の最先端効率的な手法よりも大幅に電力効率が高いことが明らかになりました。当コードはオープンソースであり、https://github.com/sacmehta/ESPNetv2 から利用可能です。