From Xception to NEXcepTion: New Design Decisions and Neural Architecture Search

要約

この論文では、修正された Xception アーキテクチャである NEXcepTion ネットワークを紹介します。
当社のネットワークは、元の Xception よりも大幅に優れたパフォーマンスを発揮し、ImageNet 検証データセットで 81.5% のトップ 1 精度 (2.5% の向上) と 28% 高いスループットを達成しています。
モデルの別のバリアントである NEXcepTion-TP は、ConvNeXt (82.1%) と同様に 81.8% のトップ 1 精度に達し、スループットは 27% 高くなります。
私たちのモデルは、改善されたトレーニング手順と新しい設計決定を適用し、より小さなデータセットに Neural Architecture Search (NAS) を適用した結果です。
これらの調査結果は、古いアーキテクチャを再検討し、最新の機能強化と組み合わせた場合の可能性を再評価することを求めています。

要約(オリジナル)

In this paper, we present a modified Xception architecture, the NEXcepTion network. Our network has significantly better performance than the original Xception, achieving top-1 accuracy of 81.5% on the ImageNet validation dataset (an improvement of 2.5%) as well as a 28% higher throughput. Another variant of our model, NEXcepTion-TP, reaches 81.8% top-1 accuracy, similar to ConvNeXt (82.1%), while having a 27% higher throughput. Our model is the result of applying improved training procedures and new design decisions combined with an application of Neural Architecture Search (NAS) on a smaller dataset. These findings call for revisiting older architectures and reassessing their potential when combined with the latest enhancements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google