问题描述
我有一组60000个火车和10000个测试图像(227x227)。图像要么是全黑(标签1),要么是黑色,中间有白色斑点(标签255)。我可以根据该数据训练最简单的caffe网络,以达到95%或更高的准确性。我需要将其部署在嵌入式设备上,这样才是我想要的最简单的网络。
我尝试使用BVLC参考caffenet对其进行训练,并获得了99.6%的准确性。我将此模型转换为CMSISNN,以将其部署到ARM设备上,但生成了150MB的权重文件,这对于嵌入式设备不可行。
解决方法
您可以尝试使用SqueezeNet(4.7 MB,在ImageNet上> = 80.3%top-5),或MobileNet(v2:13.5 MB,在ImageNet上90.49%top-5)作为基准。由于您遇到的问题要简单得多,因此您可能希望尝试使用具有自己的拓扑的超简单网络。