《表2 Resnet-18实验结果》

  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

《基于多尺度信息融合的图像识别改进算法》

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

实验硬件环境的显卡为英伟达GTX1060，CPU为英特尔的I7处理器。在实验训练过程中，采用交叉熵损失函数，batch的大小为16，使用Adam梯度下降优化算法，在Resnet-18和Resnet-34两个基准网络之上，对比了无任何优化方案、仅引入注意力机制、仅引入尺度融合机制、用时引入两种机制这4种情况下的分类结果，并对分类结果的准确度、查准率和查全率进行计算。实验结果分别如表2和表3所示，其中数据网络类型一栏中，无任何后缀的代表的是无任何优化方案的网络模型、后缀为A为仅引入注意力机制的网络模型、后缀为B为仅引入多尺度融合机制、后缀为C为用时引入两者的网络模型，同时分别与VGG-16网络进行对比。