《表3 不同深度CNN的分类结果比较》
通过多次实验选择了四种不同深度的卷积神经网络框架。遵循VGG风格体系结构[11],在每一层中选择合适的过滤器的数量,并且用较小接受域进行卷积操作。这四种模型的最终分类结果如表3所示,从表3中可以看到,不同深度的卷积神经网络的分类结果之间存在一定的差异。首先C<2,2,1>模型的分类准确率最高,并且准确率远高于传统分类器,验证集的准确率为99.23%,测试集的准确率为99.16%;D<4,2,1>与B<2,2,0>模型的准确率都低于上述模型;而A<2,0,0>模型的分类准确率最低,验证集准确率只有89.09%。4种模型的准确率箱图如图7所示,从图7中可以观察到不管是验证集还是测试集,C<2,2,1>模型的准确率分布情况均优于其他三种模型。以上结果表明神经网络的深度太深或者太浅都不能使分类效果达到最优状态,需要不断调试。
图表编号 | XD00119691200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 田程、胡廷、曹锐、相洁 |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |