《表3 不同算法细粒度分类准确率对比》
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
《基于多尺度特征融合与反复注意力机制的细粒度图像分类算法》
%
为了测试本文模型在细粒度分类方面的准确性,分别在3个国际标准细粒度图像库上,与当前经典细粒度分类算法进行比较.其中,双线性卷积神经网络(bilinear convolutional neural network,B-CNN)[18]利用双线性网络结构实现特征提取,循环注意卷积神经网络(recurrent attention convolutional neural network,RA-CNN)[29]采用递归注意网络学习判别性特征,动态计算时间(dynamic computational time,DCT)[30]在已有的注意力模型基础上引入了启止动作,来学习最佳注意区域.top-1分类结果如表3所示.
图表编号 | XD00155913000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 何凯、冯旭、高圣楠、马希涛 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |