《表4 模型在Deep Fashion数据集准确率对比》

  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

《一种改进残差网络的服装图像识别模型》

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

如表4所示，Inception＿v3、传统残差网络和F-Res Net对图像识别分类的准确率都高于VGG16。本文改进的深度度残差网络与VGGNet相比，准确率提升了2.77个百分点，较Inception＿v3提升1.07个百分点，比仅改进Res Net残差块的模型精度提高了1.12个百分点，比Res Net与SE模块相结合的模型精度提高2.02个百分点，较传统残差网络精度提高2.21个百分点。VGG16的参数多达1.38多亿个，第一个全连接层有1亿多个参数。由于网络的所有全连接层的参数达到整个网络的3/4，全连接层的参数过多会降低模型的训练速度，另外还会导致模型的复杂度增加、过拟合现象严重等问题，最后网络精度难以得到提升。Inception＿v3网络约有2 200多万参数，层数多达47层。本文提出的网络F-Res Net有50层网络，约有5 800多万个参数，通过加深网络层数达到提高模型的特征学习能力的目的，使得网络精度得到提升。