《表3 不同深度残差网络模型迁移学习与重新训练结果》
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。
图表编号 | XD00195879800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 柳天滋、陈昕、李想、樊茹、刘逸鹏、李焕菁 |
绘制单位 | 中国农业大学信息与电气工程学院、中国农业大学信息与电气工程学院、中国农业大学信息与电气工程学院、石油地质实验研究中心中国石油勘探开发研究院、中国农业大学信息与电气工程学院、中国农业大学信息与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |