《表2 标准卷积核与异构卷积核在NUAA数据库中的对比》
实验首先对NUAA数据库进行了数据增强以及归一化的预处理,将处理后的数据通过异构卷积神经网络进行特征学习,并将结果作为二分类问题进行决策。为验证提出算法的有效性引入了准确率、损失率和耗时作为评价模型的指标,将学习率调整为1×10-4,批量尺寸设置为8。通过大量实验调试得出当epoch数量为50时模型逐渐趋于稳定,并且当epoch数量大于50时,开始出现过拟合现象,因此实验对比了epoch数量为50时的各项指标。实验分别使用标准卷积核与异构卷积核在NUAA数据集上进行实验,其中训练集取总样本的75%,测试集为总样本的25%,实验数据如表2所示。基于异构卷积神经网络算法在NUAA数据集上与使用标准卷积核算法相比准确率提高了1.41%,损失率下降了0.02%,耗时显著减少,模型效率得到有效提升。
图表编号 | XD00115022900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 卢鑫、田莹 |
绘制单位 | 辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |