《表2 几种方法的对比实验结果》

  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

《平行视觉框架下深度卷积神经网络可视化分析》

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

%

依据对不同比例、角度和位置绝缘子样本的可视化结果，通过人工场景优化人工图像，丰富训练样本中的绝缘子人工样本。测试样本不进行调整，保证优化的可信度。将调整后的网络和样本进行训练和测试，计算其分类准确率。识别目标为绝缘子（Insulator）、杆塔（Tower）和防震锤（Damper），实验方法增加经典的分类网络Lenet和VGG19。实验结果见表2所示，可以看出改进后的网络在绝缘子分类中取得了最高的准确率，杆塔和防震锤的最高准确率方法为VGG19，但是在平均准确率上改进后的网络和VGG19仅相差0.02%，改进后的网络的训练时间仅为VGG19的51.4%。VGG19总共拥有16个卷积层和3个全连接层，而改进后的网络只有2个卷积层和2个全连层，网络层数大幅减少，性能相差无几，训练时间大幅减少。