《表4 UEC FOOD-100数据集上的mAP对比》
在UEC FOOD-100s数据集上,本文提出的三流CaffeNet和三流VGGNet网络与其他先进方法的实验结果对比如表4所示.由表4实验结果可以看出,本文提出的三流CaffeNet和三流VGGNe网络模型在UEC FOOD-100数据集上的分类性能较基础模型均有较为明显的提升.和单个CaffeNe网络的mAP相比,提高了2.74%,和文献[10]中的DNC相比,提高了1.55%;并且和单个VGGNet网络的mAP相比,提高了2.87%,和文献[10]中的DNV相比,提高了1.08%.说明本文提出的方法可以充分学习到图像不同层次的特征,使得分类效果显著提升.
图表编号 | XD00109549000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 罗会兰、易慧 |
绘制单位 | 江西理工大学信息工程学院、江西理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |