《表4 CIFAR数据集实验时间》

  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

《基于通道域自注意力机制的图像识别算法》

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

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。