《表2 Patent-MNIST和Fashion-MNIST分类精度(%)》

  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

《面向AI算法的外观专利图像数据集》

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

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。