ResNet、MobileNet、YOLOv3、DeepLabv3+ 比较
模型架构对比表
| 模型 | 类型 | 核心创新点 | 参数量 | 计算量(GFLOPs) | 典型应用场景 | 优势 | 局限性 |
|---|---|---|---|---|---|---|---|
| ResNet | 图像分类 | 残差连接（解决深层网络梯度消失/爆炸问题） | 18M-256M | 1.8-3.8 | 图像分类、特征提取基础网络 | 可训练极深网络（152层+），精度高，泛化能力强 | 参数量大，计算密集，部署成本高 |
| MobileNet | 轻量级分类 | 深度可分离卷积（Depthwise Separable Convolution） | 3.4M-5.6M | 0.05-0.22 | 移动端图像分类、检测、分割 | 模型小、速度快，适合资源受限设备 | 精度略低于同规模ResNet，复杂场景表现有限 |
| YOLOv3 | 目标检测 | 多尺度预测、特征金字塔（FPN）、Logistic分类器 | 61.9M | 65.9 | 实时目标检测 | 速度快（FPS> |