《表1 Stanford Cars数据集上的实验结果准确率比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于AT-PGGAN的增强数据车辆型号精细识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体表示最优结果。

实验结果如表1所示，NBB&AT代表不使用包围盒下使用了AT-PGGAN模型，BB&AT代表使用包围盒下使用了AT-PGGAN模型在无包围盒的情况下，经典网络AlexNet的准确率达到了45.1%，而在使用了扩充数据后，准确率达到了51.2%，VGG（visual geometry group）在使用数据扩充增强后效果提升了2.6%。由于GoogLeNet使用的图像尺寸为299像素，其准确率本身高达89.2%，在使用扩充数据后达到了90.0%，ResNet和DenseNet在使用数据扩充增强后准确率也分别提高了1.4%和1.5%。在使用了包围盒后，所有网络基础准确率均有大幅提升，在使用了扩充数据后，其识别准确率也均有提升，如表1所示。