《表2 Patent-MNIST和Fashion-MNIST分类精度(%)》
在表2中,比较了Patent-MNIST和FashionMNIST的分类精度。从结果来看,基于CNN的模型比MLP模型具有更高的分类精度。MLP的分类准确率约为69.76%,而Le Net5的分类准确率为75.53%。VGG19和Dense Net模型在提出的数据集上表现最好,分类精度最好值为86.53%。虽然图卷积神经网络(GCN)可以处理复杂的图数据,但其在Patent-MNIST中表现一般,分类准确率为77.75%。在同一模型中,Fashion-MNIST的分类精度比Patent-MNIST的分类精度高10~20%左右。因此,外观专利图像有其固有的特性,需要针对外观专利进行深入的算法研究。
图表编号 | XD00194063300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.16 |
作者 | 雷方元、蒋健健、戴青云 |
绘制单位 | 广东省知识产权大数据重点实验室、广东省知识产权大数据重点实验室、广东技术师范大学电子与信息学院、广东省知识产权大数据重点实验室、广东技术师范大学电子与信息学院 |
更多格式 | 高清、无水印(增值服务) |