《表3 本文网络模型与经典网络模型对比》

  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

《基于残差结构和幻象模块的垃圾图片分类算法》

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

图9为Res Net18模型训练的精度曲线，图10为G-Res Net18模型训练的精度曲线。从图中可以看出，G-Res Net18模型收敛更快，且识别精度比Res Net18精度提高了1%，最终测试正确率达到了89%。本文从识别精度和参数量两个方面对比了经典网络模型Res Net18、Res Net34、Res Net50和G-Res Net18在实验数据集下的表现，如表3所示。可以看出，本文的网络模型在保证模型性能的同时大大减少了参数量，与Res Net18相比，参数量减少了46%，识别精度提高了1%。实验结果表明，本文的网络模型对于小型生活垃圾数据集上的表现效果较好，幻象模块有助于减少网络的参数量。