开源项目 > 其他开源 > 图书/手册/教程 && 人工智能 > 机器学习/深度学习 &&

加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

克隆/下载

image_classification_lite.md 3.00 KB

# 图像分类模型

[![查看源文件](https://gitee.com/mindspore/docs/raw/r1.5/resource/_static/logo_source.png)](https://gitee.com/mindspore/docs/blob/r1.5/docs/lite/docs/source_zh_cn/image_classification_lite.md)

## 图像分类介绍

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：

![image_classification](images/image_classification_result.png)

| 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](https://gitee.com/mindspore/models/tree/r1.5/official/lite/image_classification)。

## 图像分类模型列表

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](https://download.mindspore.cn/model_zoo/official/lite/mobilenetv2_openimage_lite/mobilenetv2.ms) | 11.5 | - | - | 65.5% | 14.595 |
| [Inceptionv3](https://download.mindspore.cn/model_zoo/official/lite/inceptionv3_lite/inceptionv3.ms) | 90.9 | 78.62% | 94.08% | - | 92.086 |
| [Shufflenetv2](https://download.mindspore.cn/model_zoo/official/lite/shufflenetv2_lite/shufflenetv2.ms) | 8.8 | 67.74% | 87.62% | - | 8.303 |
| [GoogleNet](https://download.mindspore.cn/model_zoo/official/lite/googlenet_lite/googlenet.ms) | 25.3 | 72.2% | 90.06% | - | 23.257 |
| [ResNext50](https://download.mindspore.cn/model_zoo/official/lite/resnext50_lite/resnext50.ms) | 95.8 | 73.1% | 91.21% | - | 138.164 |
| [GhostNet](https://download.mindspore.cn/model_zoo/official/lite/ghostnet_lite/ghostnet.ms) | 15.0 | 73.9% | 91.40% | - | 9.959 |
| [GhostNet600](https://download.mindspore.cn/model_zoo/official/lite/ghostnet_lite/ghostnet600.ms) | 40.4 | 80.2% | 94.90% | - | 52.243 |
| [GhostNet_int8](https://download.mindspore.cn/model_zoo/official/lite/ghostnet_lite/ghostnet_int8.ms) | 15.3 | 73.6% | - | - | 31.452 |
| [VGG-Small-low_bit](https://download.mindspore.cn/model_zoo/official/lite/low_bit_quant/low_bit_quant_bs_1.ms) | 17.8 | 93.7% | - | - | 9.082 |
| [ResNet50-0.65x](https://download.mindspore.cn/model_zoo/official/lite/adversarial_pruning_lite/adversarial_pruning.ms) | 48.6 | 80.2% | - | - | 89.816 |
| [plain-CNN-ResNet18](https://download.mindspore.cn/model_zoo/official/lite/residual_distill_lite/residual_distill_res18_cifar10_bs_1_update.ms) | 97.3 | 95.4% | - | - | 63.227 |
| [plain-CNN-ResNet34](https://download.mindspore.cn/model_zoo/official/lite/residual_distill_lite/residual_distill_res34_cifar10_bs_1_update.ms) | 80.5 | 95.0% | - | - | 20.652 |
| [plain-CNN-ResNet50](https://download.mindspore.cn/model_zoo/official/lite/residual_distill_lite/residual_distill_res50_cifar10_bs_1_update.ms) | 89.6 | 94.5% | - | - | 24.561 |

一键复制编辑原始数据按行查看历史

提交于 2023-07-21 15:17 . modify the md links in 1.5

图像分类模型

图像分类介绍

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：

image_classification

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。

图像分类模型列表

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

1

https://gitee.com/mindspore/docs.git

git@gitee.com:mindspore/docs.git

mindspore

docs

docs

r1.5