Computer vision CNN能比经典描述符更快吗？
Disclamer:我对CNN几乎一无所知，我不知道在哪里可以问这个问题 我的研究重点是计算机视觉应用的高性能。我们在最大尺寸为500px的图像上生成代码，在不到20ms的时间内表示一幅图像 这是通过组合SURF描述符和代码来完成的，获得表示图像的向量，该向量将用于我们的对象识别应用程序Computer vision CNN能比经典描述符更快吗？,computer-vision,deep-learning,surf,vlad-vector,Computer Vision,Deep Learning,Surf,Vlad Vector,Disclamer:我对CNN几乎一无所知，我不知道在哪里可以问这个问题 我的研究重点是计算机视觉应用的高性能。我们在最大尺寸为500px的图像上生成代码，在不到20ms的时间内表示一幅图像 这是通过组合SURF描述符和代码来完成的，获得表示图像的向量，该向量将用于我们的对象识别应用程序 CNN能更快吗？根据benchmark（基于小得多的图像）所需的时间更长，考虑到图像的大小是我们的一半，时间几乎是我们的两倍 我会对基准和笼统的声明保持警惕。了解生成引用值的每个细节非常重要。例如，在GPU硬件
CNN能更快吗？根据benchmark（基于小得多的图像）所需的时间更长，考虑到图像的大小是我们的一半，时间几乎是我们的两倍 我会对基准和笼统的声明保持警惕。了解生成引用值的每个细节非常重要。例如，在GPU硬件上运行CNN会提高引用值吗 20毫秒对我来说似乎很快；40毫秒也是如此。我不知道你的要求是什么 CNN还能提供什么其他好处？也许这不仅仅是原始速度 我不相信神经网络是解决所有问题的完美技术。回归、支持向量机和其他分类技术仍然可行 这里有一种偏见。你的问题读起来好像你只是想确认你目前的研究是最好的。你有一个沉没成本，你不愿意扔掉，但你担心可能有更好的东西在那里。如果这是真的，我认为这不是一个好问题
“我对CNN几乎一无所知”-如果你是一个真正的研究者，寻求真相，我认为你有义务学习并为自己回答。TensorFlow和Keras使这很容易做到。我会对基准和笼统的陈述保持警惕。了解生成引用值的每个细节非常重要。例如，在GPU硬件上运行CNN会提高引用值吗 20毫秒对我来说似乎很快；40毫秒也是如此。我不知道你的要求是什么 CNN还能提供什么其他好处？也许这不仅仅是原始速度 我不相信神经网络是解决所有问题的完美技术。回归、支持向量机和其他分类技术仍然可行 这里有一种偏见。你的问题读起来好像你只是想确认你目前的研究是最好的。你有一个沉没成本，你不愿意扔掉，但你担心可能有更好的东西在那里。如果这是真的，我认为这不是一个好问题
“我对CNN几乎一无所知”-如果你是一个真正的研究者，寻求真相，我认为你有义务学习并为自己回答。TensorFlow和Keras使这很容易做到。是的，它们可以更快。你得到的数字是为ImageNet分类培训的网络，100万张图像，1000个类。除非您的分类问题与此类似，否则使用ImageNet网络是过分的 您还应该记住，这些网络的权重约为1000-1亿，因此评估它们的成本相当高。但是你可能不需要一个很大的网络，你可以设计你自己的网络，用更少的层和参数，评估起来要便宜得多 根据我的经验，我设计了一个网络来对96x96声纳图像块进行分类，总共有大约4000个权重，它可以获得95%以上的分类精度，并且在RPi2上以每帧40毫秒的速度运行
一个具有900K权重、相同输入大小的更大网络需要7毫秒才能在核心i7上进行评估。所以这当然是可能的，您只需要使用较小的网络架构。一个好的开始是，这是一个可以在Imagenet中实现良好性能的网络，但其重量比其他网络轻50倍，当然比其他网络快得多。是的，它们可以更快。你得到的数字是为ImageNet分类培训的网络，100万张图像，1000个类。除非您的分类问题与此类似，否则使用ImageNet网络是过分的 您还应该记住，这些网络的权重约为1000-1亿，因此评估它们的成本相当高。但是你可能不需要一个很大的网络，你可以设计你自己的网络，用更少的层和参数，评估起来要便宜得多 根据我的经验，我设计了一个网络来对96x96声纳图像块进行分类，总共有大约4000个权重，它可以获得95%以上的分类精度，并且在RPi2上以每帧40毫秒的速度运行
一个具有900K权重、相同输入大小的更大网络需要7毫秒才能在核心i7上进行评估。所以这当然是可能的，您只需要使用较小的网络架构。一个好的开始是，这是一个可以在Imagenet中实现良好性能的网络，但其重量比其他网络轻50倍，当然比其他网络快得多。回答您的问题：是的，它们可以。它们可以比经典描述符慢，也可以快。例如，只使用一个过滤器和几个最大池几乎肯定会更快。但结果也肯定是糟糕的 你应该问一个更具体的问题。有关部分包括：
- 问题：分类/检测/语义分割/实例分割/人脸验证/
- 约束条件：最小精度/最大速度/最大延迟
- 评估细节：
- 哪些硬件可用（GPU）
- 你会在一张图片上进行评估吗？通常，您最多可以在一张图像的同时评估512张图像