《表1 不同模型在本文数据集上的识别效果对比》

  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

《中国象棋机器人视觉系统设计》

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

实验利用了LeNet-5、AlexNet、VGG16模型与本文方法进行对比，因为棋子识别类别少，故减少了这些模型的全连接层，避免过拟合。由表1看出，本文方法在棋子识别准确率上明显高于传统的卷积神经网络，比AlexNet提高了近3%。模型使用全局池化代替了全连接层，大大减低了模型参数，模型占内存大小不足3 MB，比带全连接层的卷积模型更加轻量化。在加入注意力模块和可变性卷积后，模型准确率大大提升，和其他文献中的棋子识别方法对比，本文方法可以实现了更高的准确率。