Machine learning 快速特征提取的卷积神经网络预训练模型
我能得到的最快的图像识别预训练网络是什么?Machine learning 快速特征提取的卷积神经网络预训练模型,machine-learning,image-recognition,deep-learning,caffe,conv-neural-network,Machine Learning,Image Recognition,Deep Learning,Caffe,Conv Neural Network,我能得到的最快的图像识别预训练网络是什么? 最大的来源可能是,但我无法获得关于特征提取时间的精确信息 现在我使用的是一个模型,它给mi提供了大约80ms的时间来处理一幅图像 据我所知,一张图片可以精确到1毫秒 可供下载的预训练网络在提取功能方面最快?好的、高效的深层体系结构经常被引入,所以我想你在这里得到的任何答案都会有一个很短的截止日期 关于“特征提取时间”,我想你只是指向前传球的持续时间——你对训练时间不感兴趣。这一时间还取决于您要提取的层:层越深,时间越长(对于同一个网络),因为它需要更多
最大的来源可能是,但我无法获得关于特征提取时间的精确信息 现在我使用的是一个模型,它给mi提供了大约80ms的时间来处理一幅图像 据我所知,一张图片可以精确到1毫秒
可供下载的预训练网络在提取功能方面最快?好的、高效的深层体系结构经常被引入,所以我想你在这里得到的任何答案都会有一个很短的截止日期 关于“特征提取时间”,我想你只是指向前传球的持续时间——你对训练时间不感兴趣。这一时间还取决于您要提取的层:层越深,时间越长(对于同一个网络),因为它需要更多的计算才能深入到任何特定的网络中。然而,对于不同的网络,通常需要不同的时间才能达到相同的“深度”,因为每个深度的计算是不同的
然而,大致上当牛津VG实验室介绍VG_CNN_S时,谷歌实验室提出了:这是一个非常深刻的识别体系结构,但需要额外努力才能将计算负担控制在合理范围内。值得一试 我听说2012年Krizhevsky的ImageNet模型可以将我的速度降低到2ms。这是可用的最快的网络吗?@Luke网络越小,通常运行得越快。但请记住,在大多数情况下,较新的网络具有更好的性能。