《表1 两种网络卷积结构对比》
本文实验环境:Ubuntu操作系统,Intel i7-7700处理器,1 TB固态硬盘,32 GB内存,NVIDIA GTX1080Ti GPU,采用Tensor Flow平台进行训练;实验结果中的准确率曲线采用python中的matplotlib可视化得到。在实验中,本文提出了一个新的网络为F-Res Net,首先改进非线性支路中“BN层+卷积层+Re LU”恒等块结构的排列顺序(如图3)代替传统网络中的排列顺序。其后引入注意力机制SE模块(如图5)。最后调整网络卷积结构(如表1)。网络主体由4个残差网络层组成,每个残差块都进行归一化处理。最后通过全局均值池化层、全连接层和线性分类器得到输出结果。本文将F-Res Net与目前经典的卷积神经网络VGG16和Inception_v3作性能比较,模型选用交叉熵损失函数和Adam算法作为优化器进行优化,学习率统一设置为0.000 1。在进行网络训练时只使用部分的优化方法,因此网络并不能达到最高的精度。
图表编号 | XD00222623300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 陆建波、谢小红、李文韬 |
绘制单位 | 南宁师范大学计算机与信息工程学院、南宁师范大学计算机与信息工程学院、南宁师范大学计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |