《表4 两种模型对目标数据集的分类精度》
通过表4中的对比可以发现,虽然ResNet-50的预训练模型在冻结底层参数并微调高层参数后,在测试数据集中识别精度较好,但总精度与生产者精度低于CNN-F的预训练模型.尽管ResNet-50模型在ImageNet数据集上的识别精度优于传统CNN-F,但本文的迁移学习方法更适合CNN-F模型.这一现象表明,虽然残差网络的跨层连接方式可以降低参数的数量,优化网络参数,但也导致ResNet-50模型在迁移学习中的迁移效果不佳.
图表编号 | XD0015856800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 程国轩、牛瑞卿、张凯翔、赵凌冉 |
绘制单位 | 中国地质大学地球物理与空间信息学院、中国地质大学地球物理与空间信息学院、中国地质大学地球物理与空间信息学院、中国地质大学地球物理与空间信息学院 |
更多格式 | 高清、无水印(增值服务) |