《表5 通道注意力模型准确率比较》

  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

《基于深度学习的小样本中药材粉末显微图像识别》

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

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。