1樓:邵聃
我認為:
1、SE-Net的SE Block是有FC的,而FC一般是矩陣*向量,所以計算效率上,對於現在的專用加速器,可能並不是非常友好(可能會出現頻寬瓶頸)
2、就實際使用而言,也許兩種結構是差不多的,也許不同的資料集,或者不同的訓練引數會帶來不同的精度結果,而真實場景中,往往起決定性作用的是資料集,所以除非乙個模型在結果上有非常巨大的優勢,否則一般會選擇相對經典的
2樓:Glenn
se更像是乙個模組,跟resnet沒有可比性,只能說resnet疊加上這個模組在某些任務能漲點。
不常用是因為實際場景提公升不大,如果純粹為了追求效能,還有很多選擇,efficientnet,densenet...或者其他的trick
如果真的有能提公升數個點但是不明顯增加資源消耗的神器,大家都會去用的。結論就是提公升還不夠大
3樓:star all
有以下幾個原因吧
第一,準確率的高低很多時候跟任務相關,有些任務加上seblock反而準確率下降.
第二,很多任務程需要使用量化的模型,seblock不好量化,或者量化好了之後掉點很多.
第三,開了se之後,雖然計算量上公升不大,但由於增加了支路,裝置段的耗時可能會增加較多.
4樓:咆哮的阿傑
其實就是個公平比較的問題。別人用resnet50,我用resNext101比較,肯定不合適啊。另一方面,在各種challenge和benchmark上,ResNext早就用上。
5樓:顏丙峰
我本人是很少使用。由於做的任務都是非常非常輕量級的,乙個se雖然計算量小,但是涉及到好幾個操作conv softmax 等等,對於優化來說計算密度小,雖有一點點提公升,但是與效能比起來得不償失。當然用來把比賽不在乎速度還是可以的
6樓:qaz123
乙個網路被應用的頻率主要決定因素有如下幾個:
1、精度和速度是否達到了較好的tradeoff2、框架復現全面性,如果乙個網路再各個主流框架都有較高的復現質量,而且社群維護較好,那麼就容易被應用
3、擴充套件性:這裡的擴充套件性指的是以該網路為Backbone或者是basebone去應用到目標檢測或者修改網路。就想Python裡面的鎖機制,當被應用的少的時候,容易公升級修改,當被龐大的使用者都是用的時候,要修改就已經很困難了。
resnet也一樣,被太多nb的應用援引了,就很難被替代了。
7樓:慈眉善目 和藹可親
醫學影象分類也是影象分類任務,當然可以用senet。
沒resnet常用太正常了,不過現在有很多高階網路表現都比senet好,你可以關注下相關領域最新的工作。
為什麼通過練習能提高遊戲裡面狙擊的準確率?
見夜 csgo玩家,菜雞老鷹乙個,談談拙見。狙我主要玩的是大狙 awp 和鳥狙,大狙首先學會架點,保證能夠在對面拉出來的時候打掉乙個,如果對面是小身位晃你,最好也能讓對面推遲攻勢,然後換乙個點位。進攻狙找準對面架住的點位,打不死也得讓他換點,狙不只是拿來架遠點的東西,乙個重要作用是一種威懾力,讓對面...
無創DNA對性染色體準確率有多高?
檢測君 無創DNA產前檢測的專案有胎兒三種染色體三倍綜合症,還可檢測性染色體檢測,多種染色體微缺失綜合症,更可附加母體地中海貧血 基因檢測。準確率達到99.9 準確率非常高。Y染色體檢測 朱小花 我連無創的報告都沒下來,檢測機構的人員先告訴醫生了,然後醫生通知我了性染色體非整倍數高風險。我做的還是P...
深度學習ocr識別準確率高的演算法是哪些
學而時習 baseline可以是crnn ctc stn酌情加 高階可以global attention ce再高階可以local attention 再高階可以dynamically refine kernel再高階可以multi loss 再高階可以nas 再高階可以gan 以上還只是說的模型結...