《表2 在CUB-200-2011数据集上不同设置下的准确率对比》
注:黑体为提取器下的最好的结果;分别表示是否使用该维度
首先,探索了SE-block对分类性能的影响。从表2可以观察到,在CUB-200-2011数据集上,SE-block能够带来轻微的性能提升;且能够使网络对特征重新分配权重,进而提高网络的特征提取能力。为了进一步研究本文方法是否仅依靠SE-block提升分类性能,还在其后添加了AD层对神经元进行舍弃,但分类性能明显下降。原因是对节点的舍弃概率过高,导致大量的有判别力的节点被舍弃,进而影响分类性能。当添加一个松弛因子c对删除率进行调节时,模型的分类性能得到了显著地提高,这表明本文方法显著增强了模型的特征提取能力。
图表编号 | XD00194633400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 常东良、尹军辉、谢吉洋、孙维亚、马占宇 |
绘制单位 | 北京邮电大学人工智能学院、北京邮电大学人工智能学院、北京邮电大学人工智能学院、南水北调中线信息科技有限公司、北京邮电大学人工智能学院 |
更多格式 | 高清、无水印(增值服务) |