《表2 MS-COCO数据集上不同模型对比结果》

  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

《基于多任务学习的传统服饰图像双层标注》

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

在MS-COCO数据集上实验结果如表2所示，黑色加粗为单列指标最好结果。通过比较模型Res Ne Xt-50和模型Res Ne Xt-50+E的实验结果，可以发现在所有评价指标中，模型Res Ne Xt-50+E的性能均超过模型Res Ne Xt-50，说明ELASTIC结构对图像中的小物体或者各物体的尺度变化大具有良好的学习能力，能有效提高模型在多标签标注任务上的性能。与此同时，将图3中本文提出的模型MTL-DMAM+E去掉一个分支结构，即可构成单任务的多标签标注模型。与模型Res Ne Xt-50+E相比，模型MTL-DMAM+E多一个由注意力模块串联组成的分支结构，尽管模型参数量是Res Ne Xt-50+E的两倍多，但在7个指标上模型MTL-DMAM+E性能优于模型Res Ne Xt-50+E，表明注意力机制能有效提高模型的性能。