《表2 CIFAR10的重构网络参数》
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%。
图表编号 | XD00147884300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.10 |
作者 | 黄静、杨树国、刘子正 |
绘制单位 | 青岛科技大学数理学院、青岛科技大学数理学院、青岛科技大学数理学院 |
更多格式 | 高清、无水印(增值服务) |