《表1 3种多尺度法对应的识别率》
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.
图表编号 | XD00152642100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 徐江涛、周义豪、高志远、杨喆 |
绘制单位 | 天津大学微电子学院天津市成像与感知微电子技术重点实验室、天津大学微电子学院天津市成像与感知微电子技术重点实验室、广东工业大学计算机学院、天津大学微电子学院天津市成像与感知微电子技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |