卷积神经网络 - 具有快速特征提取的预训练模型答案

【问题标题】：Convolutional Neural Network - Pretrained model with fast feature extraction卷积神经网络 - 具有快速特征提取的预训练模型
【发布时间】：2015-09-01 23:59:53
【问题描述】：

对于图像识别，我可以获得的最快的预训练网络是什么？
最大的来源可能是Model Zoo，但我无法获得关于特征提取时间的准确信息。

现在我正在使用 VGG_CNN_S 模型，它为 mi 提供大约 80 毫秒来处理 1 张图像。

据我所知，一张图片可以缩短到 1 毫秒。

可供下载的哪个预训练网络在提取特征方面最快？

【问题讨论】：

标签： machine-learning image-recognition deep-learning caffe conv-neural-network

【解决方案1】：

良好而高效的深度架构被频繁地引入，所以我想你在这里得到的任何答案都会有很短的到期日期。

关于“特征提取时间”，我想你的意思是前向传播的持续时间——你对训练时间不感兴趣。这个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更深入地进入任何特定的网络。然而，对于不同的网络，由于每个深度的计算不同，通常需要不同的时间才能达到相同的“深度”。

尽管如此，大致在牛津 VGG 实验室引入 VGG_CNN_S 时，Google 实验室提出了GoogLeNet：这是一个非常深的识别架构，但在将计算负担控制在合理范围内时付出了额外的努力。值得一试。

【讨论】：

我听说 2012 年 Krizhevsky 的 ImageNet 模型可以将我缩短到 2 毫秒。它是最快的可用网络吗？
@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。