《表4 CIFAR数据集实验时间》
从表3中可以发现,在两个数据集上,包括DSN、Highway Network和All-CNN神经网络在内的无注意力机制神经网络的实验准确度明显低于自注意力神经网络。而在SENet、文献[13]和文献[14]等自注意力神经网络的实验数据中,本文模型在CIFAR-10数据集上排名第二,测试集实验误差为3.14%,但是在CIFAR-100数据集上的实验表现最佳,测试集实验误差仅为16.27%。其中和包含Squeeze-And-Excitation模块的SENet网络相比,本文模型实验中准确率更高,表现的更好,这证明了本文模型在针对Squeeze-AndExcitation模块的激活函数改进是有效果的,体现了本文算法优化策略的价值和有效性。同时本文和SENet,文献[13],文献[14]等自注意力神经网络进行比较了神经网络运行时间的比较,如表4所示。
图表编号 | XD00222667200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 何海洋、孙南 |
绘制单位 | 河南大学软件学院、河南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) |