多模型融合之间的对比问题?
收藏
标题随便取的,实在是不知道怎么个叫法。
最近看了两篇论文DenseFusion和PVN3D,产生了一个疑问,同个数据集一共有十三个类别,前者是放在一个网络里一起训练得到的,后者每个类别单独训练一个模型,最后有十三个模型分别识别结果。但是他们的结果确是放在一起进行对比的。这样的话在公平方面岂不是存在一定问题?毕竟前者跑一个模型,后者跑了多个模型,并且很明显,在实际使用时为每个类别都跑一个模型是一件很浪费的事。
0
收藏
请登录后评论
后者资源消耗比较多, 所以看场景. 如果资源不是瓶颈, 那么后一种方法也是OK的
请问有了解过精度方面的对比么?
相同网络模型下,13个类整个用一个模型训练,和13个类单独训练一个模型再整合预测,这种情况下得到的两种结果,网络的精度差别会很大吗。一般后者精度会更高?
这其实不是同一个方法亚,不同应用了。有些场景资源是有限制,那么用方法1好一点。但是理论肯定方法二好。只要资源够