《表4 硬件消耗:基于深度残差的多特征多粒度农业病虫害识别研究》
图7比较了深度残差网络和普通CNN的精度的变化。表5显示了本研究数据集中的普通卷积神经网络Alex Net模型和深度残差网络Res Net的精度比较。结果显示,基于深度残差学习的Res Net101模型的识别准确率为98.67%,明显高于CNN。同时,通过分析普通卷积模型Alex Net和深度残差模型Res Net的模型收敛过程,对比二者的性能差距,发现Alex Net更易出现卷积降解问题,模型较早收敛于局部解,不能进一步提升精度。相对于普通卷积网络Alex Net,深度残差网络Res Net随着网络深度的提升,精度进一步提高,更加接近最优解。
图表编号 | XD00221478000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 李艳红、樊同科 |
绘制单位 | 西安外事学院、西安外事学院 |
更多格式 | 高清、无水印(增值服务) |