《表4 UEC FOOD-100数据集上的mAP(%)比较》
表4中展示了UEC FOOD-100数据集利用本文方法在CaffeNet和VGGNet两个网络上的实验结果。由表4的实验结果可以看出,在CaffeNet网络模型上,本文的方法比文献[16]中双流网络模型DNC和双流网络模型DNV分类精度有较为明显的提升。其中,在CaffeNet网络模型上,本文方法分别比文献[16]中的单个CaffeNet网络模型和双流网络模型DNC分类精度高了3.12%,1.93%。在VG-GNet网络模型上,本文方法分别比文献[16]中的单个VGGNet网络模型和双流网络模型DNV分类精度高了3.57%,1.78%。由此说明了本文提出的方法可以有效学习到图像的充分有效特征,使得图像分类精度提升较为显著。
图表编号 | XD00170281200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.16 |
作者 | 罗会兰、易慧 |
绘制单位 | 江西理工大学信息工程学院、江西理工大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |