《表8 多网络模型在ImageNet2012数据集上性能对比》
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。
图表编号 | XD00151450400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 郎磊、夏应清 |
绘制单位 | 华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |