《表5 本文网络与其他网络训练效果对比》
通过将大卷积核变成小卷积核的操作分别修改GoogLeNet的inception层和网络开头,再加上裁去第7个及以后的inception层,对比本文网络与AlaxNet、GoogLeNet、improved_CNN的测试集准确率、训练时间和测试集损失值,结果如表5所示。可以发现相对于原始GoogLeNet网络训练本文网络准确率提升了3.13个百分点,训练时长缩短为原来的64.6%。相对于AlaxNet、improved_CNN本文网络训练时间稍长,但准确率明显更高,通过对比数据可以发现,本文网络训练裂缝图片具有更好的识别效果和训练速度。
图表编号 | XD00133824500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.10 |
作者 | 梁雪慧、程云泽、张瑞杰、赵菲 |
绘制单位 | 天津市复杂系统控制理论与应用重点实验室(天津理工大学)、天津理工大学电气电子工程学院、天津理工大学电气电子工程学院、天津理工大学电气电子工程学院、天津理工大学电气电子工程学院 |
更多格式 | 高清、无水印(增值服务) |