《表5 分类精度与已建立的图像分类模型的比较》

  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

《基于深度学习的排水管道缺陷自动检测与分类》

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

在本文多层框架中，多分类模型是从预先训练的二分类模型中通过迁移学习得到的，而二分类模型则是从零开始训练。为了证明所提出的分层分类模型比直接对预先训练的CNN模型（如VGG-16[19]、Inception-V3[20]和Resnet[11]）进行转移学习更有效，在给定的数据集上进行了多次试验。首先将图像缩放到相应的尺寸，以拟合这些模型的输入大小。对于这3种模型，使用卷积层作为特征提取器，并重新训练全连接层的权重。比较结果如表5所示，分层分类模型在二元分类和多元分类预测任务上都优于给定数据集上的3种模型。这是因为模型中的低层特征比那些在没有任何排水道图像的数据集上预先训练的模型更适合于排水道图像的分类。