开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术
AR与VR
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
信息服务
智能园区

网络选型参考

图像分类任务网络选型参考

  • 大多数情况建议使用 ResNet50和SE-ResNeXt50,模型效果稳定,并且预测时间较短。SE-ResNeXt50相比ResNet50增加了SE模块,能进一步提高准确率,但是预测时间稍有增加
  • 当数据量较大并且要求更高的准确率时,建议从 ResNet101,ResNeXt101_32x16d_wsl,Xception71,Res2Net101_vd_26w_4s,SE-ResNeXt101,EffcientNetB4 中选择模型,预测时间相比ResNet50会更长
  • 如果要求预测时间或模型体积尽量小时,建议使用 MobileNetV2,MobileNetV3_large_xi_0,ResNet18_vd,EffcientNetB0_small,SE_ResNet18_vd,
  • 如果数据量不大,由于模型复杂度较大,一般情况不建议使用NASNet

物体检测任务网络选型参考

  • 如果重视预测速度,优先使用 SSD-MobileNetV1,YOLOv3-MobileNetV1
  • 如果重视模型精度,优先使用 YOLOv3-ResNet50vd_DCN,Faster_R-CNN-ResNet50-FPN,RetinaNet-ResNet50-FPN,Cascade Faster-ResNet50-FPN
  • 如果在预测速度和模型精度上折中,可以使用 YOLOv3-DarkNet

实例分割任务网络选型参考

  • 大多数情况建议使用 Mask_RCNN-ResNet50-VD-FPN,模型效果稳定,预测时间适中
  • 当重视模型精度时,优先使用 Cascade_Mask_RCNN-RestNet50-FPN
上一篇
视觉预训练模型
下一篇
数据增强算子参考