《表4 CRNN_LSTM和CRNN_GRU模型比较》
从表4的数据来看,由于整个CRNN网络在CNN的部分层数较深,占据了很大一部分的参数,因此无论从参数数量还是模型大小来看,两个模型得到的结果相差不大,但总体上CRNN_GRU参数要少,得到的模型也较小,从训练时间来看,由于两个模型最终都是训练了50轮次,未出现提取终止训练的情况,所以两个模型的训练时间也差不多。但是从得到模型的准确率来说,可以看到CRNN_GRU模型的准确率达到了99.7%,远高于CRNN_LSTM模型,可以分析出,此时CRNN_LSTM模型应该尚处于欠拟合的状态,模型还没有训练完成,因此得到的结果很差。分析图9的loss变化曲线可以发现,CRNN_LSTM模型在训练开始的阶段收敛速度较快,之后的训练速度非常慢,loss值下降速度基本为0,训练的最后模型收敛速度开始加快,但是50轮次的训练loss值仅收敛到3.674,而CRNN_GRU模型的收敛速度则一直较为稳定,经过训练后模型的loss值收敛到了0.1626,可以说两种模型的收敛速度差距很大。因此从实验结果来看,在CRNN模型中使用GRU网络的效果要远高于使用LSTM网络。
图表编号 | XD00212143300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 石邵虎、胡学先、李志博、徐震 |
绘制单位 | 信息工程大学、信息工程大学、信息工程大学、信息工程大学 |
更多格式 | 高清、无水印(增值服务) |