模型EfficientNet B3

EfficientNet-B3

Google于2019年提出的EfficientNet系列卷积神经网络模型之一，采用复合缩放策略同时扩展网络深度、宽度和输入分辨率，输入分辨率300×300，ImageNet Top-1准确率约81.6%，参数量和计算量紧凑高效

时间轴 (近 90 天)

10月5日

研究发现 EfficientNet-B3 能提取最有效的特征表示，生成 1536 维的嵌入向量

待验证50%

10月5日

EfficientNet-B3 输入分辨率为 300×300，在 ImageNet 上的 Top-1 准确率约为 81.6%

待验证50%

10月5日

EfficientNet-B3 与 SVM 的组合取得最强基线表现，准确率达到 96.31%，宏观 F1 分数为 96.36%

待验证50%

10月5日

HyMLRaman 引入基于 DDPM（去噪扩散概率模型）的生成式特征增强，在 PCA 降维的 EfficientNet-B3 隐空间中生成合成特征

待验证50%

研究发现 EfficientNet-B3 能提取最有效的特征表示，生成 1536 维的嵌入向量

EfficientNet-B3 输入分辨率为 300×300，在 ImageNet 上的 Top-1 准确率约为 81.6%

EfficientNet-B3 与 SVM 的组合取得最强基线表现，准确率达到 96.31%，宏观 F1 分数为 96.36%

HyMLRaman 引入基于 DDPM（去噪扩散概率模型）的生成式特征增强，在 PCA 降维的 EfficientNet-B3 隐空间中生成合成特征