《表2 优化残差网络与其余网络比较》
由表2可知,验证集的Kappa系数也反映出不使用残差学习的CNN网络识别准确率提高不明显,是因为网络传播中节点间信息流动出现学习特征丢失。将分别使用softmax loss和center loss损失函数的模型进行比较,可看出使用center loss损失函数,模型识别缺陷准确率略高,主要是因为center loss有效解决了softmax分类在类内间距上较大的缺点,使网络学习得到的特征不仅能有效分类,而且尽量满足了同类特征相互间间距较小的要求。采用激活函数SELU和损失函数center loss的模型对三类枣的分类准确率高于其余分类模型,说明该模型在多分类问题上具有更好的泛化能力。
图表编号 | XD00138532300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 文怀兴、王俊杰、韩昉 |
绘制单位 | 陕西科技大学机电工程学院、陕西科技大学机电工程学院、陕西科技大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |