Modely neuronových sítí pro mobilní zařízení

Abstract

Návrh efektivních metod pro klasifikaci obrázků a detekci objektů v reálném čase patří mezi nejznámější problémy současnosti. Byla navržena řada konvolučních neurono- vých sítí pro řešení těchto úloh. Mezi nejrychlejší z nich patří neuronové sítě vytvořené speciálně pro mobilní zařízení. V této práci se tedy zaměřujeme primárně na modely MobileNetV2 a EfficientNetB0. Představíme strukturu obou modelů a navzájem je po- rovnáme. Zkoumáme též několik algoritmů určených k automatickému sestavení modelů neuronových sítí. Nezbytnou součástí procesu návrhu konvolučních sítí je i optimalizace jejich struktury. Nastíníme metody citlivostní analýzy, které nám umožní pozorovat vliv vstupu na výstup sítě, a prořezávání určené k odstranění redundantních neuronů. Nako- nec předvedeme příkladové použití modelu EfficientNetB0 v mobilní aplikaci vyvinuté ke klasifikaci automobilů. 1

Designing effective methods for image classification and real-time object detection is one of the most well-known problems of the present. A series of convolutional neural networks has been designed in order to solve these tasks. Neural networks created spe- cifically for mobile devices are among the fastest ones. In this work we focus primarily on the MobileNetV2 and EfficientNetB0 models. We present their structure and compare them with one another. We research several algorithms designed to automatically build new neural network models as well. An essential part of the convolutional network design process is the optimization of their structure. We outline sensitivity analysis methods which help us observe how network inputs influence its outputs, and pruning methods designed to remove redundant neurons. In the end we demonstrate an example usage of the EfficientNetB0 model in a mobile appliaction created to classify cars. 1