《表4 所有试验的验证集准确率》
本试验每种网络各进行了5次特征提取,取平均值作为最终的试验结果。Mobilenet虽然属于轻量级CNN,训练时间短,占用内存空间很小[28],但是使用这个网络在AES-IMAGE数据集上却可以获得比Inception-v3模型更高的准确率,使用Mobilenet-1.0-224网络进行特征提取可以获得96.8%的识别准确率。相比于参数微调和深度卷积网络模型,瓶颈层特征提取的策略和轻量级卷积神经网络的结合更利于对实时性和硬件有严格要求的终端应用。
图表编号 | XD0083878300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.31 |
作者 | 李淼、王敬贤、李华龙、胡泽林、杨选将、黄小平、曾伟辉、张建、房思思 |
绘制单位 | 中国科学院智能机械研究所智能农业与环境检测研究室、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学技术大学、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学技术大学、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学技术大学、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学院智能机械研究所智能农业与环境检测研究室、中国科学院智能机械研究所智能农业与环境检测研究室、中国科 |
更多格式 | 高清、无水印(增值服务) |