《表2.变更指数排序表:基于轻量型卷积神经网络的交通标志识别》
关于对比实验结果如表2,从实验结果来看,引入深度可分离卷积降低了网络训练负担,训练时间由50 min减少到了35 min,测试耗时也相对应的减少了,同时也验证了其改进并不会影响到准确率,而增加的卷积层对准确度有一定的提升作用。网络识别精度由97.5%提升到了98.7%,尽管网络的加深会导致计算量的增加,但从对比实验来看,在未引入深度可分离卷积时,训练时间为50分钟,同时加深网络和深度可分离卷积,网络的训练时间明显降低,因此验证了本网络的相关改进是有效的。
图表编号 | XD00197539300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.28 |
作者 | 龙曼仪、李茂军、张辉、刘芾 |
绘制单位 | 长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、湖南大学机器人学院、长沙理工大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |