《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》

  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

《基于深度残差的多特征多粒度农业病虫害识别研究》

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。