《表1 对比实验结果：基于多尺度特征融合的水果图像识别算法研究》

  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

《基于多尺度特征融合的水果图像识别算法研究》

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

为了验证所提方法的有效性，在fruits-360数据集上进行多组对比实验，并对实验结果进行分析。对比实验结果如表1所示。将Resnet-50作为Baseline（骨干网络），分别对Baseline、Baseline+3×3Conv、Baseline+5×5 Conv以及Baseline+3×3 Conv+5×5 Conv（两个尺度并行）进行实验，其中除Baseline单独进行实验外，其余均在Baseline后拓宽网络宽度，采用两个并行的支路分别对由Baseline产生的原始特征进一步特征提取，以提取语义更加丰富的信息。由表1可知，Baseline+3×3Conv+5×5 Conv两个不同尺度并行组合实现的效果最好，准确率高达99.4%。与上述三组实验相比，最后一组采用不同尺度组合的卷积核识别精度提升了将近2%，说明在原始特征相同的情况下，不同尺度的卷积核相互组合可以在深层网络中提取到更加丰富的语义信息，可以进一步提升网络识别精度。部分测试实验结果如图6所示，可以看出同类水果在不同拍摄角度以及不同类水果外表相似度较高的情况下仍能以100%的准确度识别。充分证明了本文设计的多尺度的卷积神经网络能有效缩短类内间距，扩大类间间距，具有出色的性能表现。