《表5 图像增强技术对网络参数训练的影响》
为了验证使用图像增强技术克服训练样本类间不平衡的效果,通过实验进行对比.表5列出了3种策略的训练效果,表中“original”表示直接使用GrainDB中的训练样本,这种情况下,石英颗粒图像样本数量明显多于其他两种矿物颗粒图像样本数量;“down-sampling”表示将训练样本中数量最多的石英颗粒图像按照1/10的比例进行随机下采样,下采样后的3种类型砂岩矿物颗粒图像的数量基本平衡;“image augmentation”表示按照本文图像增强方式将训练样本中数量较少的长石和岩屑颗粒图像生成增强图像,增强后3种类型砂岩颗粒图像数量基本平衡.表5第1行的结果表明,“original”方式下,石英颗粒图像训练样本较多,因此测试准确率最高,达到90.32%,而长石和岩屑颗粒图像训练样本量少,因此准确率低.“down-sampling”方式下,3种类型的矿物颗粒图像样本数量平衡,因此长石和岩屑颗粒图像的测试准确率比“original”方式下有较大幅度提升,但由于训练样本总量不足,因此平均准确率为85.10%.“image augmentation”方式下,3种类型的矿物颗粒图像样本数量平衡且训练样本总量较为充足,因此测试平均准确率最高,为93.22%.以上实验结果说明,使用图像增强技术能够很好地克服图像样本类间不平衡问题.
图表编号 | XD00121801500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.20 |
作者 | 姜枫、顾庆、郝慧珍、李娜、胡修棉 |
绘制单位 | 南京大学计算机软件新技术国家重点实验室、南京理工大学泰州科技学院移动互联网学院、南京大学计算机软件新技术国家重点实验室、南京大学计算机软件新技术国家重点实验室、南京工程学院通信工程学院、南京大学计算机软件新技术国家重点实验室、南京大学地球科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |