用于图像分类的最简单的Caffe网络

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。