《表4 使用不同图片预训练模型的预测效果》
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。
图表编号 | XD00198147600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.25 |
作者 | 蔡婧璇、吴江、王诚坤 |
绘制单位 | 武汉大学信息管理学院、武汉大学信息管理学院、武汉大学电子商务研究与发展中心、武汉大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |