《表5 非迁移模型测试结果》

  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

《基于深度迁移学习的微博图像隐私分类研究》

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

作为对比，本文采用非迁移学习方式，以相同的数据、相同的架构和相同的随机种子取值，训练对应的分类模型。在测试集上的效果如表5所示。可以看到，若不使用迁移学习方式，对同样的训练数据进行模型拟合时，获得分类器模型的效果是比较差的。回顾表4中模型准确率都达到85.28%以上，而表5中最高的准确率只有55.18%，差距超过30%，非常显著。这说明相对于普通的机器学习模型训练方式，迁移学习所需的数据量要小很多。而从另一个角度来讲，对于小规模标注数据量，使用迁移学习可以显著提升分类模型的效果。而这种标注数据量的差异，对应的就是大量的时间和人力成本。