《表4 UEC FOOD-100数据集上的mAP（%）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

《基于迭代训练和集成学习的图像分类方法》

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

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。