Dado que las redes neuronales profundas (DNN) requieren mucha memoria y cálculo, son difíciles de aplicar en sistemas integrados con recursos de hardware limitados. Por eso, los modelos de DNN deben comprimirse y acelerarse. Aplicando convoluciones separables en profundidad, MobileNet puede reducir el número de parámetros y la complejidad computacional con una menor pérdida de precisión en la clasificación. Basándose en MobileNet, se proponen 3 modelos MobileNet mejorados con expansión del campo receptivo local en capas poco profundas, también llamados modelos Dilated-MobileNet (Dilated Convolution MobileNet), en los que se introducen convoluciones dilatadas en una capa convolucional específica del modelo MobileNet. Sin aumentar el número de parámetros, las convoluciones dilatadas se utilizan para aumentar el campo receptivo de los filtros de convolución y obtener una mayor precisión de clasificación. Los experimentos se realizaron con los conjuntos de datos Caltech-101, Caltech-256 y Tubingen con atributos, respectivamente. Los resultados muestran que Dilated-MobileNets puede obtener una precisión de clasificación hasta un 2% mayor que MobileNet.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Compresión eficiente de la carga útil en redes de sensores inalámbricas basadas en IP: Análisis algorítmico e implementación
Artículo:
Un nuevo algoritmo de reconocimiento de imágenes faciales basado en el mecanismo cerebelo-ganglio basal
Artículo:
Una técnica de mejora adaptativa de la imagen mediante la combinación del algoritmo de búsqueda de cuco y de optimización de enjambre de partículas
Artículo:
Investigación de las imperfecciones de fabricación de matrices de nanoagujeros plasmónicos y su efecto en los espectros de transmisión óptica
Artículo:
Uso de insumos biológicos como alternativa para la agricultura sostenible en la zona sur del estado Anzoátegui
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL