《表1 并行CNN分类准确率Tab.1 Accuracy of classification using parallel CNN》
在进行实验时,针对每对感情词在样本库中随机选取3 000幅图像,其中2 000幅作为训练样本,1 000幅作为检测样本。将织物图像像素值RGB、HSV通道S、纹理Gabor特征并行输入CNN网络,网络结构和网络参数见第4节。实验环境为1块NVIDIA-GTX1080 GPU,使用Caffe框架[18]部署的CNN模型。训练时采用BP算法调整参数,由于样本量较小,学习率设置为0.005,批处理Batch size为64,迭代次数2万次。实验结果如表1所示。
图表编号 | XD0019048200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.15 |
作者 | 汪珊娜、张华熊、康锋 |
绘制单位 | 浙江理工大学信息学院、浙江理工大学信息学院、浙江理工大学信息学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 并行CNN分类准确率Tab.1 Accuracy of classification using parallel CNN”的人还看了
- 表1 三种分类方法在测试集中预测准确率的比较Tab.1 Comparisons of prediction accuracy fortest sets using three classification methods