《表3 不同深度残差网络模型迁移学习与重新训练结果》

  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

《基于深度残差神经网络迁移学习的牙形刺图像识别》

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

5种网络模型的训练结果显示，随着迭代次数的增加，训练集和测试集准确率呈增长趋势（图4）。不同模型中训练集Top-1准确率分布范围为97.34%–99.31%；测试集Top-1准确率分布范围为80.00%–85.85%，Top-2准确率分布范围为93.17%–94.63%（表3），总体而言，残差网络模型显示了较好的识别效果。虽然进行了100轮次的迭代训练，但实际上准确率的变化在迭代30次基本收敛，这种现象说明迁移学习具有较好的效果，此外准确率快速收敛可能与牙形刺的形态等特征简单有关。不同的网络模型训练在后期都不同程度有退化现象，表现为测试准确率的下降。