基于深度学习的行为识别轻量模型有哪些,代码在哪里?
时间: 2024-01-24 12:18:18 浏览: 180
深度学习大作业,利用CNN和MobileNetV2搭建的水果识别模型+源代码+文档说明+数据集+实验报告+内含多个其他实验
5星 · 资源好评率100%
基于深度学习的行为识别轻量模型有很多,以下是一些常用的模型:
1. MobileNetV2:由Google提出的轻量级卷积神经网络模型,适用于移动设备和嵌入式系统。代码可参考:https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet
2. SqueezeNet:由UC Berkeley提出的轻量级卷积神经网络模型,采用了火焰模块和1x1卷积等技巧,具有较小的模型参数和计算量。代码可参考:https://github.com/DeepScale/SqueezeNet
3. ShuffleNetV2:由Megvii提出的轻量级卷积神经网络模型,采用了通道随机重排等技巧,具有较小的模型参数和计算量。代码可参考:https://github.com/megvii-model/ShuffleNet-Series
4. EfficientNet-Lite:由Google提出的轻量级卷积神经网络模型,采用了复合缩放系数、深度可分离卷积等技巧,具有较高的准确率和较小的模型参数和计算量。代码可参考:https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet/lite
以上模型的代码都可在GitHub上找到,具体实现可根据实际情况进行调整。
阅读全文