《表2 ResNet-50参数配置》
通过堆叠该模块,可以得到不同层数的网络结构。在一定的范围内,层数越深,模型的分类效果越好,但同时训练时间、测试时间以及需要的计算资源会相应地增加。兼顾分类性能和效率两方面的因素,参照文献[16]中ResNet-50(如表2所示)的配置,取前3个模块,n取值为16,进行本文的实验,提出的ResNet-CE即在该配置下进行设计的。
图表编号 | XD00120617200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 杨萌林、张文生 |
绘制单位 | 中国科学院自动化研究所精密感知与控制研究中心、中国科学院大学人工智能学院、中国科学院自动化研究所精密感知与控制研究中心、中国科学院大学人工智能学院 |
更多格式 | 高清、无水印(增值服务) |