《表2 数据集A+:各类别识别性能比较》

  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

《基于深度层级特征的中国传统视觉文化符号识别及应用》

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

为了克服现有技术的不足，我们在本部分先使用深度学习中卷积神经网络来解决这个问题。实验中我们在Caffe框架[2]上使用网络Alexnet[3]，为了使网络有一个好的初始化，加快网络收敛，我们在已有的模型上finetuning[4]。同时使用GPU加速训练。并选取数据集A+进行实验，将实验结果与第2部分提到的基于浅层学习中识别性能最好的方法做比较。实验结果如表2所示，从表2的实验结果中可以发现基于深度学习的识别效果要比浅层学习好，使用Alexnet网络进行实验的效果比较理想。最后为了验证识别系统的识别性能，我们又选用了较为复杂的数据集B+做验证，实验证实了我们得出的结论，也就是使用Alexnet网络处理较为复杂的分类任务，效果最好，实验结果如表3所示。除此之外我们也经过实验验证了对数据进行手动扩充和虚拟扩充后训练出的模型更具有泛化能力，并且关于负样本个数的问题，我们经过实验验证发现当负样本和正样本总量相当的情况下，对识别系统的拒识能力越有利。在降维的实验中，我们发现降维可以有效地减少噪声，去掉冗余特征，提升识别性能，实验结果显示，当特征降到256维时，识别系统的识别性能最好。