《表1 不同网络结构下的识别性能对比》
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
《基于多尺度卷积神经网络和类内mixup操作的磁瓦表面质量识别》
在训练过程中,每训练完成一个epoch保存一次网络权重文件,在训练结束后,在所有权重文件中选取对测试集性能最优的权重作为最终的网络参数。表1分别采用准确率(accuracy)、精确率(precision)、召回率(recall)和F1分数4个指标[14-15]对不同模型的性能进行对比,从中可以看出3种网络结构均取得了高于90%的正确识别率,充分说明了深度卷积网络在缺陷识别问题上的有效性,而采用Res Net结果明显要优于VGG结构,特别的,本文提出的多尺度Res Net18取得了最好的识别结果。另外,多尺度Res Net18在运行时间上一幅图像仅耗时1.31 ms,完全可以满足实时的需要。
图表编号 | XD00201784000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.10 |
作者 | 张京爱、王江涛 |
绘制单位 | 淮北师范大学物理与电子信息学院、淮北师范大学物理与电子信息学院、淮北师范大学信息学院 |
更多格式 | 高清、无水印(增值服务) |