《表8 多网络模型在ImageNet2012数据集上性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《紧凑的神经网络模型设计研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表中数据来自于文献[37，39-40，42-44]。

为了更直观地分析6个紧凑的神经网络性能，在ImageNet2012数据集上进行实验，实验结果如表8所示，主要参数有模型的参数量、FLOPs和分类准确率。表格按照参数量数值大小分为4组进行对比，即1.2、3.6、6.5和10+Parames/106。与此同时，表格中加入了3个常规网络在该数据集上运行的参数。在模型训练时，通过调整超参数，均衡网络在精度及速度方面的性能，其中超参数多指宽度因子，即各个基础构建块间衔接时输入输出通道数量，若减少该值大小，网络精度会有所下降，但预测速度加快。另外，存在部分网络通过调整网络中的重要参数，进一步改善网络的精度和速度，如MobileNetV2的扩展因子t、ESPNetV2的膨胀率r、FE-Net的扩展率等。