مقارنة النماذج

تقارن هذه الصفحة تكوينات محددة (مثل ResNet-50 أو BERT-base)، لا عائلات عامة؛ فكل رقم مرتبط بالتكوين المذكور في رأس عموده. «غير محدد» تعني أن الرقم غير موثق في الأطلس.

الخاصيةU-NetVGG-16
العائلةنماذج الرؤية الحاسوبيةمعماريات الشبكات الالتفافية
سنة الظهور20152014
الباحثونOlaf Ronneberger, Philipp Fischer, Thomas BroxKaren Simonyan, Andrew Zisserman
نوع المعماريةEncoder–decoder fully convolutional networkDeep convolutional neural network
آلية التعلمsupervisedsupervised
التكوين المقارنU-Net الأصلية: دخل 572×572، مخرج 388×388، فئتانVGG-16 (التهيئة D)
شكل المدخل1×572×5723×224×224
شكل المخرج2×388×3881000
العمق23 طبقة التفاف16 طبقة قابلة للتعلم
Parameters (محسوبة)31,030,658
≈31.03M
138,357,544
≈138.36M
Parameters (منشورة)غير محدد138,000,000
≈138M
MACs150,428,424,448
≈150.43B
محسوبة بـ torch.utils.flop_counter لصورة 572×572.
15,470,264,320
≈15.47B
محسوبة بـ torch.utils.flop_counter (تنفيذ torchvision).
التعقيدخطية في عدد البكسلات؛ نحو 150 مليار عملية ضرب-جمع لهذا الحجم.نحو 15.5 مليار عملية ضرب-جمع لكل صورة 224×224.
المهامتجزئة الصور الطبية، التجزئة الدلاليةتصنيف الصور، استخلاص السمات
أبرز ميزةتعمل جيداً مع بيانات قليلةتصميم بسيط وموحد سهل الفهم
أبرز قيددون حشو يتقلص المخرج ويحتاج تبليطاً138 مليون معامل وذاكرة كبيرة
حالة المراجعةيحتاج مراجعةيحتاج مراجعة
افتراضات الحسابتنفيذ بُني من الشكل 1 في الورقة (دون حشو، ReLU، دون BatchNorm، قص قبل الدمج).تنفيذ torchvision.models.vgg16 دون BatchNorm.

العلاقات المسجلة بين النماذج المقارنة

  • U-Net مرتبط VGG-16 — المسار المتقلص في U-Net يشبه كتل VGG.