《表1 在不同损失函数下不同网络结构的精度对比》
文中研究了在不同损失函数下不同网络结构对于实验的影响,见表1。如表1所示,ECNN表示全局特征增强后的网络,SECNN表示全局增强后,并且采用两层多层感知机来学习全局特征的网络。由表1可以看出,采用添加了中心损失的交叉熵损失函数的网络提高了分类精度,这是因为中心损失函数可以减少类内距离,而交叉熵损失函数可以增加类间距离。二者的结合对于网络的优化起了一定的作用。
图表编号 | XD00189680600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.10 |
作者 | 王晓红、谌鹏、刘芳、杜景敏、许禾昕、唐丰圆、方加炜 |
绘制单位 | 上海理工大学出版印刷与艺术设计学院、上海理工大学出版印刷与艺术设计学院、衢州职业技术学院、艾司科贸易有限公司、上海理工大学出版印刷与艺术设计学院、上海理工大学出版印刷与艺术设计学院、上海理工大学出版印刷与艺术设计学院 |
更多格式 | 高清、无水印(增值服务) |