メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

ShuffleNet シリーズ

AI GitHub リポジトリAIモデルとLLMオープンソース · Web

ShuffleNet シリーズリポジトリは、モバイルデバイスやリソースが制約された環境向けに設計された、非常に効率的な畳み込みニューラルネットワークモデルのコレクションを提供します。これには、ニューラルアーキテクチャ検索や物体検出バックボーン用のツールと共に、ShuffleNetV1、ShuffleNetV2、および特殊なバリアントなどの様々なバージョンが含まれています。

リポジトリを見る
共有
リポジトリを見る
共有

Megvii Researchによって開発されたShuffleNetシリーズリポジトリは、効率的な畳み込みニューラルネットワーク(CNN)アーキテクチャのスイートへのアクセスを提供します。これらのモデルは、計算リソースが限られているプラットフォーム、特にモバイルデバイスでの展開のために特別に設計されており、パフォーマンスの大幅な低下なしに速度と低消費電力を優先しています。

続きを読む

このリポジトリには、モバイルデバイス向けに非常に効率的なアーキテクチャを導入したShuffleNetV1を含む、いくつかの主要なモデルがホストされています。これを基盤として、ShuffleNetV2は、チャネルとレイヤーの融合などのメトリクスに焦点を当て、効率的なCNNアーキテクチャ設計のための実用的なガイドラインを提供します。さらに強化されたShuffleNetV2+や、より要求の厳しいタスク(それぞれ10G+および40G+ FLOPs)のための深さと計算能力を増加させたShuffleNetV2.LargeおよびShuffleNetV2.ExLargeのような大規模なバリアントを通じて、さらなる機能強化が提供されます。

コアとなるShuffleNetモデルに加えて、このリポジトリには、均一サンプリングを利用したシングルパスワンショットニューラルアーキテクチャ検索システムであるOneShotも含まれています。さらに、物体検出タスクに特化したバックボーン検索に焦点を当てたDetNASも含まれています。このプロジェクトは、これらのアーキテクチャの学習済みモデルをダウンロードするためのリンクを提供し、様々なコンピュータビジョンアプリケーションへの統合を容易にします。

パフォーマンス比較はリポジトリ内で詳細に説明されており、ShuffleNetモデルがFLOPs、パラメータ数、Top-1/Top-5精度などのメトリクスにおいて、MobileNetV3、MobileNetV2、SENetなどの他の一般的なアーキテクチャと比較してどのように位置づけられるかを示しています。この詳細なベンチマーキングは、開発者が特定のニーズと制約に最も適したモデルを選択するのに役立ちます。このプロジェクトはMITライセンスの下でライセンスされており、オープンな使用と変更を促進します。

ShuffleNetシリーズのターゲットオーディエンスには、モバイル、組み込みシステム、エッジコンピューティング向けのコンピュータビジョンアプリケーションに取り組む研究者や開発者が含まれます。その効率的な設計は、計算予算がタイトな画像分類、物体検出、セマンティックセグメンテーションなどのリアルタイム処理を必要とするタスクに最適です。GitHubでのソースコードと学習済みモデルの利用可能性は、これらの高度で効率的なニューラルネットワークアーキテクチャを採用するための参入障壁を下げます。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド, セルフホスト
  • プラットフォームWeb

  • ShuffleNetV1: モバイルデバイス向けの効率的なCNN

  • ShuffleNetV2: 効率的なCNNアーキテクチャ設計のための実用的なガイドライン

  • ShuffleNetV2+: ShuffleNetV2の強化版

  • ShuffleNetV2.Large: 10G+ FLOPsを持つより深いバージョン

  • ShuffleNetV2.ExLarge: 40G+ FLOPsを持つより深いバージョン

  • OneShot: シングルパスワンショットニューラルアーキテクチャ検索

  • DetNAS: 物体検出のためのバックボーン検索

  • ダウンロード可能な学習済みモデルを含む

  • 他のアーキテクチャとのパフォーマンス比較

  • MITライセンス

  1. モデルにアクセス: ShuffleNetシリーズのリポジトリに移動します。

  2. アーキテクチャを探索: 様々なShuffleNetバージョン(V1、V2、V2+、Large、ExLarge)と関連プロジェクト(OneShot、DetNAS)を確認します。

  3. モデルをダウンロード: OneDriveまたはBaiduYunへの提供されたリンクを使用して、学習済みモデルの重みを取得します。

  4. コード経由で統合: モデルアーキテクチャと重みをコンピュータビジョンプロジェクトに組み込みます。

  5. デプロイメント用に適応: 選択したモデルをターゲットのモバイルまたはエッジデバイス用に最適化します。

  6. パフォーマンスを評価: リポジトリで提供されているベンチマークと比較してモデルのパフォーマンスを評価します。

  • モバイル画像分類
  • エッジデバイスAI
  • リアルタイム物体検出
  • リソース制約のあるコンピュータビジョン
  • 効率的なニューラルアーキテクチャ検索
  • 低消費電力AIアプリケーション

ShuffleNet シリーズ のレビュー

読み込み中...

ShuffleNet シリーズ に似た人気のAIツール

RepVGG

AI GitHub リポジトリ

RepVGGは、ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。RepVGGは、ImageNetで高い精度を達成する、強力かつシンプルなConvNetアーキテクチャです。VGGスタイルの設計に再パラメータ化技術を採用し、効率的な推論を可能にします。このプロジェクトでは、事前学習済みモデル、トレーニングコード、および様々なコンピュータビジョンタスクのためのサンプルを提供しています。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。

AIモデルとLLM
ツールを見る

PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。

AIモデルとLLM
AI モデル トップ5を見る

MobileOne

AI モデル

MobileOneは、モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。

AIモデルとLLM
ツールを見る

AI モデル

モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。MobileOneは、モバイルデバイス向けに設計された効率的なニューラルネットワークバックボーンです。推論速度を最適化し、高い精度を維持しながらiPhone12で1ms未満を実現します。このモデルは、画像分類、物体検出、セマンティックセグメンテーションのタスク全体で汎用性を示し、レイテンシと精度の両方で大幅な改善を提供します。

AIモデルとLLM
AI モデル トップ5を見る

SPP_net

AI GitHub リポジトリ

SPP_netは、視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。SPP_netは、視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

FNet

AI GitHub リポジトリ

FNetは、自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。FNetは、自己注意機構をフーリエ変換に置き換えた効率的なTransformerライクなエンコーダーアーキテクチャです。Google Researchによって開発され、自然言語処理タスクにおいて高性能な代替手段を提供します。このモデルはJax/Flaxで実装されており、事前学習およびファインチューニングのためにGitHubで利用可能です。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Deformable ConvNets

AI GitHub リポジトリ

Deformable Convolutional Networks (DCN) は、畳み込みカーネルのサンプリングオフセットを適応的に学習することで、ディープラーニングモデルを強化します。これにより、ネットワークは幾何学的変換やオブジェクトの変形をより良く捉えることができ、オブジェクト検出やセマンティックセグメンテーションなどのタスクでパフォーマンスが向上し…

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

Deformable Convolutional Networks (DCN) は、畳み込みカーネルのサンプリングオフセットを適応的に学習することで、ディープラーニングモデルを強化します。これにより、ネットワークは幾何学的変換やオブジェクトの変形をより良く捉えることができ、オブジェクト検出やセマンティックセグメンテーションなどのタスクでパフォーマンスが向上し…

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Keras

AI GitHub リポジトリ

Kerasは、人間のために設計されたオープンソースの深層学習ライブラリです。神経ネットワークの構築プロセスを簡素化し、開発者がGitHubでその開発に貢献できるようにします。

機械学習プラットフォーム
ツールを見る

AI GitHub リポジトリ

人間のために設計されたオープンソースの深層学習ライブラリです。神経ネットワークの構築プロセスを簡素化し、開発者がGitHubでその開発に貢献できるようにします。Kerasは、人間のために設計されたオープンソースの深層学習ライブラリです。神経ネットワークの構築プロセスを簡素化し、開発者がGitHubでその開発に貢献できるようにします。

注目機械学習プラットフォーム
AI GitHub リポジトリ トップ250を見る

DeepSeek-R1

AI GitHub リポジトリ

DeepSeek-R1は、AI駆動のソリューションに焦点を当てたGitHubプロジェクトです。プラグイン、スパースアテンションカーネル、効率的な通信ライブラリなど、AI機能を強化するさまざまなリポジトリを提供しています。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

AI駆動のソリューションに焦点を当てたGitHubプロジェクトです。プラグイン、スパースアテンションカーネル、効率的な通信ライブラリなど、AI機能を強化するさまざまなリポジトリを提供しています。DeepSeek-R1は、AI駆動のソリューションに焦点を当てたGitHubプロジェクトです。プラグイン、スパースアテンションカーネル、効率的な通信ライブラリなど、AI機能を強化するさまざまなリポジトリを提供しています。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る
1 / 8