《表1 改进前后模型复杂度》
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
《基于改进Faster R-CNN的自然场景文字检测算法》
本文在相同的实验环境和相同的实验平台下,在2种数据集上进行测试,然后与目前较为流行的模型结果作对比。经过不断地调整参数训练网络模型,由于改进后的网络较深,学习参数很多,生成模型巨大,如果使用在移动设备会很麻烦,同时模型过大导致识别速度有所降低,为了避免这个问题,本文在生成的较大模型基础上进行模型压缩,采用剪枝方法能够将较大模型中保存的权值较小的边去掉,神经元个数会减低很多,然后再次训练剪枝后的小模型直到最后达到较好的实验结果。剪枝处理的优点是不改变模型结构,是训练阶段的一种优化方法[29-30]。表1是本文改进后的模型与改进前模型Faster RCNN的模型复杂度对比。
图表编号 | XD00145800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 杨宏志、庞宇、王慧倩 |
绘制单位 | 重庆邮电大学光电信息感测与信息传输实验室、重庆邮电大学光电信息感测与信息传输实验室、重庆邮电大学光电信息感测与信息传输实验室 |
更多格式 | 高清、无水印(增值服务) |