《表2 不同结构的全局网络在真实数据集上的性能表现》
首先,本文对不同结构的全局网络在真实数据集上的表现进行对比。其中,表2中FCNN表示将全局网络的全连接层替换为卷积层后的模型结构。从表2中的数据可以得出,本文所提出的级联卷积神经网络结构在训练集上平均分类准确率达到95.13%,测试集平均准确率达到54%,测试集准确率相较于FCNN网络的算法提高4.76个百分点。虽然FCNN结构的全局网络在训练集上普遍准确率较高,但是在测试集的上的性能表现不如本文2.1节中所述的网络结构。这表明采用全连接层与Dropout方法的全局网络在手势特征提取任务上具有更好的性能表现。此外,表中数据证明了单纯地增大全局参数的分类数并不能增加特征提取性能,反而可能导致特征提取性能的下降。
图表编号 | XD00163215700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 陈金龙、瞿元昊、杨明浩、强保华、唐仁俊、朱庆杰 |
绘制单位 | 广西云计算与大数据协同创新中心(桂林电子科技大学)、桂林电子科技大学计算机与信息安全学院、广西云计算与大数据协同创新中心(桂林电子科技大学)、广西云计算与大数据协同创新中心(桂林电子科技大学)、桂林电子科技大学计算机与信息安全学院、桂林电子科技大学计算机与信息安全学院 |
更多格式 | 高清、无水印(增值服务) |