《表1 Stanford Cars数据集上的实验结果准确率比较》
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。
图表编号 | XD00143040900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 路强 |
绘制单位 | 合肥工业大学计算机与信息学院、工业安全与应急技术安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |