什么被公认为 2018 年最好的图像分类神经网络？ [关闭]

Posted 2023-03-13

【中文标题】什么被公认为 2018 年最好的图像分类神经网络？ [关闭]

【英文标题】：What is recognised as the best image classification neural network for 2018? [closed]

【发布时间】：2019-12-17 08:28:25

【问题描述】：

在 2017 年之前，通过 imagnet 年度竞赛来了解哪个 CNN 对图像进行分类比较容易。

2017年imagenet比赛分为tasks不同的this等获胜者。 2018 年，比赛转移到了 kaggle，变成了 3D 检测。

我只对图像分类感兴趣，似乎不再有这方面的竞争。

有谁知道 2018 年哪种神经网络被公认为最适合图像分类？

【参考方案1】：

如果我没记错的话，我认为它是 Google 的 NasNet。这是一种用于设计模型架构的非常酷（和计算机密集型）的方法，但对迁移学习和预测很有用。我建议看看NasNet-paper

它也应该可以通过keras.application使用

【参考方案2】：

这是一个非常好的问题。我想知道同样的问题，并玩弄了TensorFlow Hub 上的一些模型。所以，这是我的两分钱。

目前在 ImageNet 上性能最好的模型是使用Progressive Neural Architecture Search 获得的模型。另一方面，这些模型的训练速度非常慢，因为它们非常庞大。对于 InceptionNet、ResNet 和 VGG 等模型，这是一个good link，用于检查与训练/推理速度相比的性能。

我个人的经验是，如果你想最大化性能，请使用ResNet152。如果您想要一个相对较快的 CNN，同时获得良好的性能，请使用 ResNet50。对于 VGG 网络，我使用了 TF-Slim implementation，但它比 ResNet50 慢，性能大致相同。最后，关于《盗梦空间》我不能多说，因为我没用过。最后，我选择了 ResNet152，因为它为我提供了最好的性能（请注意，我使用的是预训练版本，并且我正在根据我的任务对其进行微调）。

总而言之，我认为没有一般的最好的CNN。我会避免使用 VGG16/19，因为它的性能比 ResNet50 更差，而且速度更慢。如果您可以使用大量计算能力，请使用 Resnet152 或 PNASNet。同样，这是基于我在 TF-Hub 上使用预训练模型的个人经验得出的观点。