自研端侧推理模型实测效果展示

自研端侧推理模型,采用自研修改后的MobileNetV3作为主干前向推理网络,实现纯端侧、离线推理,推理速度和云侧调用速度无异。

作为一名Android开发者,上手深度学习难度不言而喻,前期经历了半年左右的学习时间,主要学习内容:统计学习、机器学习、概率论、线性代数等,全部利用业余时间自学完成。并在端侧推理领域拿到了结果,目前已部署上线。

效果展示

自研端侧推理模型效果展示

自采数据集6000条(正集+负集)

主干网络修改:保留MobileNetV3的特征提取层(卷积层) 修改线性分类层,把原始1000分类输出改为2分类输出。

端侧部署:Onnx

相关推荐
alexhilton4 小时前
将应用迁移到Navigation 3:痛点、加班和紧急修复
android·kotlin·android jetpack
杉氧9 小时前
Navigation Compose 深度实践:如何优雅地串联起你的全栈 App?
android·架构·android jetpack
雨白13 小时前
指针与数组的核心机制
android
黄林晴17 小时前
Room 3.0 正式发布!包名彻底重构,KMP 成为核心主线
android·android jetpack
三少爷的鞋18 小时前
Kotlin 协程环境下的 DCL 懒加载:别把线程时代的经验直接搬过来
android
plainGeekDev18 小时前
Gson → kotlinx.serialization
android·java·kotlin
CYY951 天前
Compose 入门篇
android·kotlin
杉氧1 天前
Compose 时代的 MVI 架构:如何用单向数据流驱动复杂 UI?
android·架构·android jetpack
杉氧1 天前
Modifier 的艺术:为什么链式调用的顺序决定了UI 的生命周期?
android·架构·android jetpack