《表2 Resnet-18实验结果》
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。
图表编号 | XD00222494300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 车翔玖、董有政 |
绘制单位 | 吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |