《表4 不同细粒度分类算法性能对比》

《表4 不同细粒度分类算法性能对比》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于多尺度特征融合与反复注意力机制的细粒度图像分类算法》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

为了对本文算法的综合性能进行评价,本文对不同算法的分类准确度与复杂度做了对比,结果如表4所示.从表中可以看出,Cimpoi等[31]在深度卷积特征的基础上引入Fisher Vector,取得了较好的细粒度分类效果;经典的双线性算法[1 8]采用并行的VGG16[6]提取特征,虽然提高了分类准确度,但也导致了参数的成倍增加;Gao等[32]提出了两种紧凑的双线性表征,在保证分类精度的同时,大大减少了参数量;本文算法在原有的ResNet50[8]结构中引入了反复注意力机制,在不显著增加参数的前提下,有效地提升了分类准确率.