《表4 使用不同图片预训练模型的预测效果》

  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

《基于深度学习的众测报告有用性预测研究》

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

为进一步提升模型性能，使用Res Net50、Inception V3、NASNet Mobile图片预训练模型进行特征提取。并用不同模型提取出的特征再次训练模型3和模型4，结果如表4所示。模型3中使用VGG19进行图片特征提取的结果准确率为0.834 2，均优于Res Net50(0.816 7）、Inceptions V3(0.512 3）和NASNet Mobile(0.768 8）。模型4使用VGG19进行图片特征提取的结果准确率为0.851 7，优于Res Net50(0.793 8）、Inceptions V3(0.831 3）、NASNet Mobile(0.810 5）。对于精确率、召回率、F1值，除使用Inception V3图片预训练模型的模型3多次出现过拟合现象外，使用VGG19图片预训练模型的预测效果也优于使用Res Net50、Inceptions V3、NASNet Mobile的预测效果。可见，VGG19图片预训练模型在处理本文预测任务的整体效果较其他模型好。因此，采取VGG19的结果进行下一步分析。