4个计算机视觉领域用作迁移学习的模型( 三 )


EfficientNetEfficientNet是一种最先进的卷积神经网络 , 由谷歌在2019年的论文“efficient entnet: Rethinking Model Scaling for convolutional neural Networks”中训练并发布 。 EfficientNet有8种可选实现(B0到B7) , 甚至最简单的EfficientNet B0也是非常出色的 。 通过530万个参数 , 实现了77.1%的最高精度性能 。
4个计算机视觉领域用作迁移学习的模型文章插图
EfficientNetB0的特性简要介绍如下:

  • 尺寸:29 MB
  • Top-1 准确率:77.1%
  • Top-5 准确率:93.3%
  • 参数数量:~5,300,000
  • 深度:159
其他的计算机视觉问题的预训练模型我们列出了四种最先进的获奖卷积神经网络模型 。 然而 , 还有几十种其他模型可供迁移学习使用 。 下面是对这些模型的基准分析 , 这些模型都可以在Keras Applications中获得 。
4个计算机视觉领域用作迁移学习的模型文章插图
总结在一个我们可以很容易地获得最先进的神经网络模型的世界里 , 试图用有限的资源建立你自己的模型就像是在重复发明轮子 , 是毫无意义的 。
相反 , 尝试使用这些训练模型 , 在上面添加一些新的层 , 考虑你的特殊计算机视觉任务 , 然后训练 。 其结果将比你从头构建的模型更成功 。
【4个计算机视觉领域用作迁移学习的模型】英文原文: