demo_system_algorithm/docs/resnet18.md

ResNet18 — 图像分类模型

概述

ResNet（Residual Network） 是计算机视觉领域里程碑式的网络架构，通过引入残差连接（Skip Connection） 解决了深层网络退化问题。ResNet18 是 ResNet 系列中最轻量的版本，包含 18 个卷积层，在准确率和效率间取得良好平衡。

核心特性

特性	说明
模型类型	图像分类（Image Classification）
网络深度	18 层
输出类别	1000 类（ImageNet）
输入尺寸	224 × 224
关键创新	残差学习（Residual Learning）

模型架构

graph LR
    A["输入图像 224×224"] --> B["Conv 7×7 + BN + ReLU"]
    B --> C["MaxPool 3×3"]
    C --> D["Stage 1: 2× BasicBlock"]
    D --> E["Stage 2: 2× BasicBlock"]
    E --> F["Stage 3: 2× BasicBlock"]
    F --> G["Stage 4: 2× BasicBlock"]
    G --> H["AvgPool + FC"]
    H --> I["Softmax 1000类"]

BasicBlock 结构

graph LR
    A["输入"] --> B["Conv 3×3"]
    B --> C["BN + ReLU"]
    C --> D["Conv 3×3"]
    D --> E["BN"]
    A --> F["残差连接"]
    E --> G["相加"]
    F --> G
    G --> H["ReLU"]
    H --> I["输出"]

每个 BasicBlock 包含两个 3×3 卷积层，输入通过跳跃连接直接加到输出上，缓解梯度消失问题。

目标应用场景

• 图像分类 — 通用图像识别与标签分配
• 迁移学习 — 作为特征提取主干，微调下游任务
• 工业质检 — 产品缺陷分类
• 农业识别 — 植物病虫害分类

参考来源

• 论文：Deep Residual Learning for Image Recognition (CVPR 2016)
• 代码：https://github.com/ultralytics/yolov5.git

---

输入 / 输出规格

模型接口

方向	名称	数据类型	维度	尺寸	说明
输入	INPUT:0	UINT8	4D	1 × 1 × 224 × 672	输入灰度图 (H×W=224×672, 含批处理填充)
输出	OUTPUT:0	FP32	2D	1 × 1000	1000 类置信度得分

输入实际有效区域为 224×224，672 宽度包含批处理填充。

---

后处理流程

flowchart TD
    A["模型输出: 1000维向量"] --> B["Softmax 归一化"]
    B --> C["Top-K 筛选"]
    C --> D{"置信度 > 阈值?"}
    D -->|"是"| E["保留分类结果"]
    D -->|"否"| F["过滤"]
    E --> G["输出 Top-K 类别 + 置信度"]

步骤说明

步骤	操作	说明
1	Softmax	将 1000 个原始得分转为 0~1 概率分布
2	Top-K 筛选	取前 K 个最大概率及其对应的类别索引（常用 K=1 或 K=5）
3	阈值过滤	低于置信度阈值的预测将被排除

---

执行与性能

运行方式

python resnet18.py

性能指标

指标	数值
推理平台	边缘板卡（NPU）
推理时间	~4.6 ms
输出 FE 均值误差	0.034708
输出 FE 最大误差	0.161392

ResNet18 推理速度非常快（4.6ms），适合实时分类场景。

---

输出示例

分类结果可视化

图中显示了 Top-1 分类的类别标签和置信度。结果图保存路径：../resource/resnet18/result.jpg