《表6 与流行网络模型的情感分类准确率Tab.6 Emotional classification accuracy of E-net and other popular models》
%
将本文提出的并行CNN模型与Le Net-5模型(2层卷积,1层全连接)、Alex Net模型(5层卷积,3层全连接)、VGG模型(13层卷积,3层全连接)这3种经典的CNN网络模型在领带花型图像库中进行训练并检测,结果见表6。可以看到,本文提出的方法分类准确率最高,表现较Le Net-5模型、Vgg-16模型、Alexnet模型更好。这主要是因为Le Net-5模型最初的设计是应用于数字识别,识别目标简单且背景单一,但在处理目标较为复杂的图像时,分类能力受到了限制;Vgg-16模型网络过深,使用大量卷积操作,对于领带花型的小样本数据训练较为困难,较难得到泛化效果好的模型;本文在Alexnet模型的基础上提出的CNN模型,融合了手工美学特征,在一定程度上克服了小样本情况下CNN模型识别率较低的不足。
图表编号 | XD0019048300 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) |