《表1 Patent-MNIST和Locarno-MNIST的分类精度(%)》

  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

将Patent-MNIST与Locarno-MNIST进行对比，其分类精度如表1所示，该精度表示采用one-hot表示的分类正确率。根据实验结果，在相同的深度学习模型中，Patent-MNIST的分类精度要高于Locarno-MNIST。与Locarno-MNIST相比，Patent-MNIST在Le Net5中的分类精度高出约30%，在VGG19中的分类精度高出约15%，在Dense Net中高出约16%，在Res Net和SENet中高出约18%。从实验结果可以得出，以VGG、Res Net等为代表的深度学习算法并不能有效地提高Locarno-MNIST的分类精度，因此，传统的Locarno分类标准不适合深度学习算法。为了提高四级分类外观专利分类的准确性，有必要为外观设计专利图像研究提供一个基准的Patent-MNIST数据集来供研究算法使用。