《表4 GoogLeNet网络各层测试准确率和损失值对比》
3)针对桥梁裂缝,在利用经过RLH处理数据集对改进的GoogLeNet网络进行训练的过程中,发现GoogLeNet网络中的Accuracy2、Accuracy3(具体位置见图3)随时间变化的数值基本一样,Loss2、Loss3(具体位置见图3)的数值也相差不多。对比如表4所示,考虑到在第6个inception后裂缝识别的准确率和损失值已经达到完整网络的训练效果,那么可以去掉七层及以后的inception层以缩减训练时间。经后期分析,出现上述情况的原因是GoogLeNet模型是ILSVRC(ImageNet large Scale Recognition Challenge)竞赛中针对1 000种标签的分类模型,其中个别类别特征细节比较难提取,所以需要更多的inception层提取它的微小特征。裂缝纹理相对简单,所以到第6个inception层已经能够提取出它的特征。
图表编号 | XD00133824900 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) |