#738
summarized by : Masanori YANO
Rethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets

どんな論文か?

複数のImageNet学習済みモデルにおけるカーネルの相関を分析した結果に基づき、MobileNetシリーズのDepthwise Separable Convolutionを改良したBSConvを提案し、画像分類モデルにおける有効性を確認した。
placeholder

新規性

Depthwise Separable ConvolutionのDepthwiseとPointwiseの順番を逆にするBSConv-Uと、損失関数に重みの正則化項を加えた1×1の畳み込みをブロックの先頭に追加するBSConv-Sを提案した。

結果

MobileNetV1からMobileNetV3を中心に、多数のCNNアーキテクチャで画像分類モデルの評価を行い、モデル全体のパラメータ数を増加させない条件で、いずれもBSConvにより正解率が向上する結果。

その他(なぜ通ったか?等)

ImageNet学習済みモデルの分析結果を裏付けとしてDepthwise Separable Convolutionを再考したことと、フェアと考えられる条件で画像分類モデルの正解率の向上を示したことから通ったと考えられる。