谷歌最近推出的NasNet,是当前图像识别领域的最佳模型,近日对此模型进行复现了下,也大致了解了其原理。这个模型并非是人为设计出来的,而是通过谷歌很早之前推出的AutoML自动训练出来的。该项目目的是实现“自动化的机器学习”,即训练机器学习的软件来打造机器学习的软件,自行开发新系统的代码层,它也是一种神经架构搜索技术(Neural Architecture Search technology)。然而尽管AutoML 能够设计出性能可与人类专家设计的神经网络相媲美的小型神经网络,但仍被限制在 CIFAR-10 等小型学术数据集方面。

  1、论文原理

  而本文的模型,就是基于AutoML首先在CIFAR-10这种数据集上进行神经网络架构搜索,以便 AutoML 找到最佳层并灵活进行多次堆叠来创建最终网络,并将学到的最好架构转移到 ImageNet 图像分类和 COCO 对象检测中。这也就是NasNet的由来。

其中NasNet的组成由两种网络单元组合而成

这两种单元的堆叠方案如下:

2、论文实践

  在tensorflow slim模块中已经添加了该模型,它包含了mobile版本和large版本,本篇主要针对large进行了测试。

实践分析:NasNet的效果对比还没做实验,在tensorflow slim中介绍可知其精度为目前最高。

NASNet-A_Mobile_224# Code nasnet-a_mobile_04_10_2017.tar.gz 74.0 91.6
NASNet-A_Large_331# Code nasnet-a_large_04_10_2017.tar.gz 82.7 96.2
PNASNet-5_Large_331 Code pnasnet-5_large_2017_12_13.tar.gz 82.9 96.2

不过从实践的角度来看,NasNet的识别速度就远没有别的模型来得快。

NasNet实践:图像识别领域最佳模型相关推荐

  1. 2021图像识别领域最具商业合作价值企业盘点

    数据智能产业创新服务媒体 --聚焦数智 · 改变商业 6月19日,数据猿携手上海大数据联盟,依托双方优势资源与力量,共同以媒体+联盟的方式推动产业的发展与行业的进步,特以"聚焦数智价值 引领 ...

  2. 脑洞大开的机器视觉多领域学习模型结构 | CVPR 2018论文解读

    在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果. 点击本文底部的「阅读原文」即刻加入社区 ...

  3. Pytorch模型量化实践并以ResNet18模型量化为例(附代码)

    更多.更及时内容欢迎微信公众号:小窗幽记机器学习 围观,后续会进一步整理模型推理加速和部署方面的相关内容. 文章目录 量化基础知识 映射函数 量化参数 校准(Calibration) Affine和S ...

  4. 应用实践:Paddle分类模型大集成者[PaddleHub、Finetune、prompt]

    相关文章: Paddlenlp之UIE模型实战实体抽取任务[打车数据.快递单] Paddlenlp之UIE分类模型[以情感倾向分析新闻分类为例]含智能标注方案) 项目连接: 应用实践:分类模型大集成者 ...

  5. 撒贝宁搭档数字人,还是头一回!世界首个航天领域大模型,第六代无人车……亮点有点多...

    整理 | 禾木木 出品 | AI科技大本营(ID:rgznai100) 7月21日,由百度与央视新闻联合举办的2022百度世界大会在线上召开. 提到百度大会,让你最印象深刻的是:金晨坐了都想带回家的车 ...

  6. 领域驱动模型(DDD)学习笔记

    在复杂的业务中,DDD正在逐步取代MVC模型,下面就让我们一起来认识一下领域驱动模型(DDD). 文章目录 一.DDD架构风格 二.DDD架构实现图 1. User Interface层 1.1 DT ...

  7. 读美团的营销业务实践以及领域驱动设计有后感

    文章目录 1 背景 2 前言 3 实体类.值对象.聚合根 4 领域.领域对象.限界上下文 5 资源库 6 防腐层 7 领域服务 8 数据流转 9 DDD系统架构图 10 营销业务的实践 11 总结 1 ...

  8. 领域驱动模型(DDD)

    领域驱动模型(DDD) 文章目录 领域驱动模型(DDD) 1. 简介 2. 一些基本概念 实体(entity) 值对象(value object) 聚合及聚合根(aggregate.aggregate ...

  9. python基于tpot训练模型在获得最佳模型之后对模型进行交叉验证分析并可视化实战

    python基于tpot训练模型在获得最佳模型之后对模型进行交叉验证分析并可视化实战 目录

最新文章

  1. Leetcode:The Skyline Problem
  2. 华北水利水电大学c语言程序设计四_我校代表队在“中国高等计算机大赛——团体程序设计天梯赛” 中喜获佳绩...
  3. 广搜 广搜 poj 3984
  4. 智慧城市建设亟待突破大数据瓶颈
  5. 解决mac安装anaconda后无法在命令行调用conda,jupyter等
  6. HTTP Session 的工作原理以及几个思维扩展
  7. 2018-2019-2 20165209 《网络对抗技术》Exp7: 网络欺诈防范
  8. Python装饰器、metaclass、abc模块学习笔记
  9. 二级公共基础之——数据结构与算法
  10. easydarwin 安装_EasyDarwin流媒体服务器
  11. 【原创】AE套用模板教程
  12. BC26常用术语和缩略词
  13. adventureworks mysql_AdventureWorks2012
  14. WorkNC编程软件配套英格索尔高速铣刀帮助奥迪加工
  15. 你需要权限来执行此操作 你需要来自Administrators的权限才能对此文件夹进行更改
  16. 手写识别文字软件有哪些?看完你就知道了
  17. PVCBOT【27号】机械避役--线控变色龙机器人
  18. wps word打开是html,用Word打开WPS文件的两种方法,WPS文件如何打开?
  19. 说一说 Backscatter communication
  20. 我的北漂之路 北漂如饮水,冷暖自知

热门文章

  1. 当程序员奶爸给孩子起名:都听网友的!
  2. 使用VBA代码在Excel中设置聚光灯高亮显示
  3. C语言程序设计实践教程 杨有安pdf
  4. IOS AppStore提交流程
  5. 商业银行表内业务与表外业务
  6. Java 静态方法与非静态方法
  7. VS2017 水晶报表安装及使用
  8. zen coding缩写语法
  9. bat批处理命令基础知识
  10. python上传文件到web