ESPNetv2: 경량화, 전력 효율적이고 일반적인 목적의 합성곱 신경망

우리는 시각적 데이터와 순차적 데이터를 모델링하기 위한 경량, 전력 효율적이고 일반적인 컨볼루션 신경망인 ESPNetv2를 소개합니다. 우리의 네트워크는 그룹 포인트-와이즈 및 깊이-와이즈 희소화 분리 컨볼루션을 사용하여 더 적은 FLOPs(부동 소수점 연산)와 매개변수로 큰 효과적인 수용 영역에서 표현을 학습합니다. 우리 네트워크의 성능은 다음과 같은 네 가지 다른 작업에서 평가되었습니다: (1) 객체 분류, (2) 의미 분할, (3) 객체 검출, 그리고 (4) 언어 모델링. 이러한 작업들, ImageNet에서의 이미지 분류와 PenTree 은행 데이터셋에서의 언어 모델링을 포함한 실험들은 우리의 방법이 최신 기술보다 우월한 성능을 보임을 입증하였습니다. PASCAL VOC와 Cityscapes 데이터셋에서 ESPNetv2는 ESPNet보다 4-5% 높은 성능을 보이며 2-4배 적은 FLOPs를 가지고 있습니다. MS-COCO 객체 검출 작업에서 YOLOv2와 비교하여 ESPNetv2는 6배 적은 FLOPs로 4.4% 더 높은 정확도를 제공합니다. 우리의 실험 결과는 ESPNetv2가 ShuffleNets 및 MobileNets를 포함한 기존 최신 효율적인 방법들보다 훨씬 더 전력 효율적임을 보여주고 있습니다. 우리의 코드는 오픈 소스이며 https://github.com/sacmehta/ESPNetv2 에서 확인할 수 있습니다.