EfficientNet: Rethinking Model Scaling for Convolutional Neural Network

[YeoJins]

Abstract

• 한정된 자원으로 최대의 효율을 내기 위해 Model scaling을 시스템적으로 분석하여 더 나은 성능을 얻고자 한다.
• 따라서 scaling 방법으로 compound coefficient를 제안한다.
• 이를 바탕으로 찾은 모델인 EfficientNet은 기존의 ConvNet보다 8.4배 작으면서 6.1배 빠르고 더 높은 정확도를 갖는다.

Architecture

• 이 baseline network에 기반해서 시작한다.
• 작은 baseline network에 대해서 먼저 좋은 알파, 베타, 감마 값을 찾고 그 다음에 전체적인 크기를 키운다.

Experiments

• 전체적으로 8.4배 적은 연산량으로 더 높은 정확도를 가지는 것을 알 수 있다.
• 어떤 결과는 18배 적거나 5.7배 등의 더 빠른 추론 시간을 보여주기도 한다.