《表1 3种多尺度法对应的识别率》

  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

《基于仿生识别系统的多尺度解决方法》

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

多尺度池化法的资源消耗情况.事件缩放法和特征缩放法都没有更改权值矩阵的大小，因此所消耗的权值数是一致的.实验中样本尺度为28×28，采用16个特征通道和100个分类神经元，共产生28×28×16×100=1 254 400个权值，消耗9.4 MB的存储空间.对于采用多尺度池化法的模型而言，如果级数为4，则产生（1+4+9+16）×16×100=48 000个权值，只消耗存储空间365.1 kB.虽然多尺度池化法的权值数量只有其他两种方法的5.54%，但在已学习过的训练集上，识别率远低于其余两种方法，实际应用价值较低.