《表5 CO-Net与不同经典模型性能比较》

  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

《基于卷积神经网络的油茶籽完整性识别方法》

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

本文将模型性能表征参数（训练准确率、模型规模、训练时间和测试准确率）作为目标参数，将CO-Net与其他经典模型（AlexNet、MobileNet V1、MobileNet V2、MobileNet V3[26]和SqueezeNet[27]）进行比较，结果如表5所示。由表可知，采用不同模型结构时，模型性能不同，其中AlexNet模型训练时间最长，为9.43 h，测试准确率为98.33%，但其模型规模最大（356 MB），不适用于油茶籽在线分选设备。MobileNet V3＿Large在轻量级网络中模型规模最大，训练时间为5.52 h，其测试准确率达到了97.26%。本文提出的CO-Net测试准确率达到了98.05%，而模型规模和训练时间分别是MobileNet V3＿Large的1/38和1/10，且单幅图像检测平均耗时仅13.91 ms。通过比较可知，CO-Net更适合用于油茶籽在线分选。