《表2 图6所示曲线对应的最大准确率》
同图5类似,图6(a)为使用图3(a)所示网络模型,对图4(a)所示的Wider Faces数据集进行训练和测试所得到的仿真结果;图6(b)为使用图3(b)所示网络模型,对图4(b)所示的Dogs vs.Cats数据集进行训练和测试所得到的仿真结果;图6(c)为使用图3(c)所示网络模型,对图4(c)所示的Cifar-10数据集进行训练和测试所得到的仿真结果.并且图6(a)和图6(b)对应CNN的输出维度为10,图6(c)对应CNN的输出维度为20.图6中的softmax-dis-2和softmax-dis-10(9)所标记曲线对应的CNN模型在训练时都使用softmax激活函数和对数似然损失函数计算反馈损失,这两条曲线的区别在于softmax-dis-2曲线对应训练样本标签的最小码距为2,而softmax-dis-10(9)对应的训练样本标签的最小码距为10(9).sigmoid-dis-2、sigmoid-dis-5和sigmoid-dis-10所标记曲线对应的CNN模型在训练时都使用sigmoid激活函数和交叉熵损失函数计算反馈损失,区别在于sigmoid-dis-2曲线对应训练样本标签的最小码距为2,而sigmoid-dis-5曲线和sigmoid-dis-10曲线对应的训练样本标签的最小码距分别为5和10.为便于进行对比,表2列出了图6中各条曲线对应的最大准确率.
图表编号 | XD0079880700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 范馨月 |
绘制单位 | 重庆邮电大学通信与信息工程学院、重庆邮电大学光通信与网络重点实验室 |
更多格式 | 高清、无水印(增值服务) |