《表4 模型在Deep Fashion数据集准确率对比》
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。
图表编号 | XD00222623400 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) |