用于图像分类的最简单的 caffe 网络答案

【问题标题】：Simplest caffe network for image classification用于图像分类的最简单的 caffe 网络
【发布时间】：2020-09-16 15:57:04
【问题描述】：

我有一组 60000 个训练图像和 10000 个测试图像 (227x227)。图像要么是全黑的（标签 1），要么是黑色的，中间有一个白色的补丁（标签 255）。什么是最简单的 caffe 网络，我可以在这些数据上训练以获得 95% 或更高的准确度。我需要将它部署在嵌入式设备上，这样最简单的网络就是我想要的。

我尝试使用 BVLC 参考 caffenet 对其进行训练，并获得了 99.6% 的准确率。我将此模型转换为 CMSISNN 以将其部署在 ARM 设备上，但它生成了一个 150MB 的权重文件，这对于嵌入式设备是不可行的。

【问题讨论】：

如果您只想将全黑图像与非全黑图像区分开来，那么 ML 可能是矫枉过正。对整个图像的亮度进行平均并仅从您认为它非黑色的位置设置一个截止值不是更简单吗？
是的，这是正确的，但这是为了让 ML 框架在我的嵌入式设备上启动并运行，以运行更高级的 ML 算法。虽然我已经在我的设备上成功运行了 CMSISNN 图像识别示例，但上述练习将帮助我验证端到端解决方案。从 caffe 中的训练到在嵌入式设备上进行推断。

标签： caffe

【解决方案1】：

您可以尝试将SqueezeNet（4.7 MB，>= 80.3% 在 ImageNet 上排名前 5）或MobileNet（v2：13.5 MB，在 ImageNet 上 90.49% 在 ImageNet 上排名前 5）作为基准。由于您有一个更简单的问题，您可能想尝试使用自己的拓扑结构的超级简单网络。

【讨论】：