《表2 模型在Fashion MNIST数据集准确率对比》
如表2所示,各个网络模型经过充分训练后得到识别准确率和训练耗时。使用CNN并未出现因层数增加而导致网络发生训练困难等问题,Inception_v3层数比VGG16深,但是Inception_v3对图像识别分类的准确率和时效性都高于VGG16,而本文改进深度残差网络的准确率比VGG16提高1.5个百分点。在只改进Res Net残差块的情况下,网络的分类精度仅比传统残差网络精度提高了0.3个百分点。仅用深度残差网络与SE模块相结合,网络精度提高了0.42个百分点。将以上两个方法结合后,最终模型较传统残差网络精度提高0.75个百分点。实验结果表明本文提出的模型可以提高卷积神经网络的特征学习能力。
图表编号 | XD00222623500 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) |