《表1 完全共享方式下的不同模型在验证集和测试集上的准确率及特征维度对比》

  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

《基于改进B-CNN的轨枕挡肩裂纹图像细粒度分类》

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

4种模型在验证集和测试集上的准确率及特征维度对比结果如表1所示。从表1可以看到：1）与B-CNN模型相比，其他模型提取的特征维度显著下降，极大地降低模型的运算复杂度；2)B-CNN＿GAP模型在使用低维度高阶特征的情况下，依旧在数据集上有最好的表现，说明GAP层可链接全局信息，更好地关注双块式轨枕挡肩数据集的裂纹，达到更高的分类准确率，验证了GAP层的有效性；3)B-CNN＿GMP模型将GMP层作为特征提取层，B-CNN＿GAMP模型将GAP与最大池化融合作为网络的特征提取层，最大池化可链接到局部信息，由于局部信息对裂纹信息有干扰，并未达到很好效果，与不添加其他层的B-CNN模型和B-CNN＿GAP模型都存在一定差距。因此在改进B-CNN模型中仅使用GAP层。