《表2 各网络参数和结果对比》

  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

《基于卷积神经网络的铁氧体零件裂缝检测》

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

从图6可以看出，相比于AlexNet和VGG-16，ResNet模型收敛更快、结果更好。ResNet模型在第5代就达到了90%以上的验证集正确率，在第50代时可以将损失函数降低到0.09以下，将验证集准确率提高到97%以上。表2给出了各网络可达到的最小损失函数值、最高准确率以及网络参数个数。可以看出，ResNet模型参数个数明显少于AlexNet和VGG-16，而性能却更优。原因主要有两个：（1）在相同参数的情况下，神经网络越深，训练后的神经网络性能越好，浅层神经网络的性能远远弱于深层神经网络；（2）ResNet在网络中使用了残差块，残差块使得深层神经网络性能更好、收敛更快。