《表2 CIFAR10的重构网络参数》

  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

《一种基于胶囊网络的图像检索方法》

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

接下来在CIFAR10数据集上按照同样的步骤进行了检索实验。考虑到CIFAR10中的图像比FASHION-MNIST中的图像内容更加丰富和复杂，为了更好地获取图像底层的卷积信息，本文首先将CIFAR10中的图像尺寸从32×32×3调整到64×64×3，将64×64×3的图像投入到CapsNet模型中，相应的网络重构部分采用的是4层二维反卷积网络，各层的参数设置如表2所示。整个训练过程的分类准确率曲线如图6所示，红色曲线代表第一个阶段的分类准确率，绿色曲线代表第二个阶段的分类准确率，从图中可以看出在第一阶段的20个训练周期处分类准确率接近80%，能够快速提高模型的训练效果，后期的训练结果逐渐趋于稳定。选取前100张检索到的相似图像作为返回图像，则相应的查准率为84.74%，查全率为1.70%。