《表1 Patent-MNIST和Locarno-MNIST的分类精度(%)》
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。
图表编号 | XD00194063700 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) |