《表3 Stanford Dogs数据集上的mAP对比》

  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

《基于三流卷积神经网络模型的图像分类方法》

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

三流CaffeNet和三流VGGNet在Stanford Dogs数据集上的分类mAP如表3所示.表3中的基础网络CaffeNet和VGGNet的分类结果来自于文献[10].表3中的DNC和DNV分别表示文献[10中以CaffeNet和VGGNet作为基础模型的双流模型，它们的分类结果也来自于文献[10].由表3实验结果可以看出，在Stanford Dogs数据集上，三流CaffeNet和三流VGGNet的分类准确率均比文献[10]中的DNC和DNV高.其中，三流CaffeNe比单个CaffeNet网络模型mAP提高了2.96%，比文献[10]中的DNC提高了1.86%；三流VGGNet比单个VGGNet网络模型mAP提高了5.84%，比文献[10]中的DNV提高了2.39%.由此可知，本文提出的三流CaffeNet和三流VGGNet网路模型和文献[10]中的DNC和DNV相比，更能提取到充分有效的特征，具有较好的分类性能.