Модуль: tf.compat.v1.keras.applications.mobilenet

Модели MobileNet v1 для Keras.

MobileNet — это общая архитектура и может быть использована для нескольких задач. В зависимости от задачи, она может использовать различные размеры входного слоя и разные коэффициенты ширины. Это позволяет создавать модели с разной шириной, уменьшая количество умножений и сложений, а значит, и стоимость вычислений на мобильных устройствах.

MobileNets поддерживают любой размер входных данных больше 32x32, при этом более крупные изображения обеспечивают лучшую производительность. Количество параметров и количество умножений и сложений можно изменить, используя параметр alpha, который увеличивает/уменьшает количество фильтров в каждом слое. Изменяя размер изображения и параметр alpha, можно построить все 16 моделей из статьи, с предобученными весами для ImageNet.

В статье показана производительность MobileNets, используя значения alpha 1.0 (также называется 100% MobileNet), 0.75, 0.5 и 0.25. Для каждого из этих значений alpha предоставлены весы для 4 разных размеров входных изображений (224, 192, 160, 128).

В следующей таблице описаны размер и точность 100% MobileNet

при размере 224 x 224:

Коэффициент ширины (альфа) | Точность ImageNet | Умножения и сложения (М) | Параметры (М)

| 1.0 MobileNet-224 | 70.6 % | 529 | 4.2 | | 0.75 MobileNet-224 | 68.4 % | 325 | 2.6 | | 0.50 MobileNet-224 | 63.7 % | 149 | 1.3 |

| 0.25 MobileNet-224 | 50.6 % | 41 | 0.5 |

В следующей таблице описана производительность

100% MobileNet с различными размерами входных данных:

Resolution      | ImageNet Acc | Multiply-Adds (M) | Params (M)

| 1.0 MobileNet-224 | 70.6 % | 529 | 4.2 | | 1.0 MobileNet-192 | 69.1 % | 529 | 4.2 | | 1.0 MobileNet-160 | 67.2 % | 529 | 4.2 |

| 1.0 MobileNet-128 | 64.4 % | 529 | 4.2 |

Ссылка:

• MobileNets: Эффективные свёрточные нейронные сети для мобильных приложений компьютерного зрения

Функции

MobileNet(...): Создаёт архитектуру MobileNet.

decode_predictions(...): Декодирует предсказание модели ImageNet.

preprocess_input(...): Предварительно обрабатывает тензор или массив NumPy, содержащий пакет изображений.