代码拉取完成,页面将自动刷新
图像分类模型可以预测图片中出现哪些物体,识别出图片中出现物体列表及其概率。 比如下图经过模型推理的分类结果为下表:
类别 | 概率 |
---|---|
plant | 0.9359 |
flower | 0.8641 |
tree | 0.8584 |
houseplant | 0.7867 |
使用MindSpore Lite实现图像分类的示例代码。
下表是使用MindSpore Lite推理的部分图像分类模型的数据。
下表的性能是在mate30手机上测试的。
模型名称 | 大小(Mb) | Top1 | Top5 | F1 | CPU 4线程时延(ms) |
---|---|---|---|---|---|
MobileNetV2 | 11.5 | - | - | 65.5% | 14.595 |
Inceptionv3 | 90.9 | 78.62% | 94.08% | - | 92.086 |
Shufflenetv2 | 8.8 | 67.74% | 87.62% | - | 8.303 |
GoogleNet | 25.3 | 72.2% | 90.06% | - | 23.257 |
ResNext50 | 95.8 | 73.1% | 91.21% | - | 138.164 |
GhostNet | 15.0 | 73.9% | 91.40% | - | 9.959 |
GhostNet600 | 40.4 | 80.2% | 94.90% | - | 52.243 |
GhostNet_int8 | 15.3 | 73.6% | - | - | 31.452 |
VGG-Small-low_bit | 17.8 | 93.7% | - | - | 9.082 |
ResNet50-0.65x | 48.6 | 80.2% | - | - | 89.816 |
plain-CNN-ResNet18 | 97.3 | 95.4% | - | - | 63.227 |
plain-CNN-ResNet34 | 80.5 | 95.0% | - | - | 20.652 |
plain-CNN-ResNet50 | 89.6 | 94.5% | - | - | 24.561 |
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。