《表2 不同裁剪策略下对应的最终分类误差》
在单个相机场景的目标分类任务中,由于权值参数的初始值具有高度的优化性,不需要再重新随机初始化权值训练,且对冗余卷积核的裁剪方式十分有效。上节中所述的3种裁剪策略下分别对应的测试集最终分类误差结果如表2所示。
图表编号 | XD002028200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.20 |
作者 | 沈悦 |
绘制单位 | 北京交通大学机械与电子控制工程学院、载运工具先进制造与测控技术教育部重点实验室(北京交通大学) |
更多格式 | 高清、无水印(增值服务) |
在单个相机场景的目标分类任务中,由于权值参数的初始值具有高度的优化性,不需要再重新随机初始化权值训练,且对冗余卷积核的裁剪方式十分有效。上节中所述的3种裁剪策略下分别对应的测试集最终分类误差结果如表2所示。
图表编号 | XD002028200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.20 |
作者 | 沈悦 |
绘制单位 | 北京交通大学机械与电子控制工程学院、载运工具先进制造与测控技术教育部重点实验室(北京交通大学) |
更多格式 | 高清、无水印(增值服务) |