《表1 模型对比:一种基于深度卷积神经网络的道路损伤检测研究》
由图6可知,训练的准确率随着迭代次数的增加递减。验证集的准确率从0迭代到50次的时候,准确率增长较快,在180次迭代后,其准确率稳定在0.97。由图7可知,损失在150次迭代后,其值稳定在0.08。为进一步验证本文所提改进VGG-16网络的性能,本实验还与支持向量机(SVM)算法相比较,结果如表1所示。由表1可知,VGG-16在识别准确率、单张图像耗时和训练时长上均要优于SVM。
图表编号 | XD00201840800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 罗辉、何海清、徐献聪 |
绘制单位 | 东华理工大学测绘工程学院、东华理工大学测绘工程学院、东华理工大学测绘工程学院 |
更多格式 | 高清、无水印(增值服务) |