《表5 通道注意力模型准确率比较》
单位:%
其次,本文将对比实验2017年ImageNet竞赛冠军SEnet结构和2018年ECCV的CBAM通道注意力模型来验证TAM的有效性,不同通道注意力模型结构如图6所示,其中SEnet结构的Pooling可采用AvgPool或MaxPool的方式进行全局池化操作。经实验可得出结论,本文所设计的TAM结构可以更好地结合全局平均池化和全局最大池化的优点,实现了在通道注意力上小样本准确率的提升。实验结果如表5所示。
图表编号 | XD00163178200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 王一丁、郝晨宇、李耀利、蔡少青、袁媛 |
绘制单位 | 北方工业大学信息学院、北方工业大学信息学院、北京大学药学院、北京大学药学院、中国中医科学院中药资源中心 |
更多格式 | 高清、无水印(增值服务) |