v1
论文地址:https://arxiv.org/abs/1905.11946
网络深度、宽度和图像分辨率,进行了栅格搜索(Grid Search),找到了最优的几种搭配。
v2
论文地址:https://arxiv.org/abs/2104.00298
- Fused-MBConv 到搜索空间中
Fused-MBConv使用的常规3*3卷积虽然参数更多,但是能更好的适应硬件加速,速度反而更快;搜索Fused-MBConv的配比。
- 渐进式学习
一种训练策略,从低分辨率图像开始训练,然后逐步增加图像分辨率。有助于更快地收敛;
- 自适应正则化
随着图像分辨率的增加,正则化强度也会相应增加,从而避免过拟合;Dropout、RandAugment(图像数据增强)和Mixup(标签图片混合,即透明覆盖)三个方面;
参考博客:
图像分类】【深度学习】【轻量级网络】【Pytorch版本】EfficientNet_V2模型算法详解_efficientnetv2-CSDN博客经典CNN模型(十三):EfficientNetV2(PyTorch详细注释版)-CSDN博客