《表2 不同方法的数据集检测准确率对比》

  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

《基于重要性池化的层级图表示学习方法》

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

%

实验采用了SAGPool[11]和DiffPool[5]模型作为对比，在4个数据集上的检测准确率如表2所示。从表2可看出，本方法的分类精度明显优于对比模型。结合表1可得，本方法使用的数据集越大，其效果提升越明显。这是因为在层内特提取模块中应用了池化层，每经过一次池化操作，不可避免地会损失一些信息，大数据集在经过池化操作后，仍能保留大部分特征信息，而小数据集可能因为损失了大部分信息，导致剩余的特征信息不足以保证自身表达的完整性。