《表1 Artificial_CNN和Auto_CNN模型增强数据前后平均识别率的对比》
本文使用以往构建CNN模型的经验人工构建Artificial_CNN模型和使用Auto-Keras自动搜索最优架构的Auto_CNN模型进行对比,为了客观评价两种模型在数据增强前后的表现,两种模型训练和测试使用的数据集相同,并使用F1-score值作为每个类别的评价指标,由于测试类别数量的不均衡,使用F1-Weighted avg作为整个模型的评价指标。结果如表1所示。在未增强的训练数据上,我们使用Artificial_CNN和Auto_CNN模型各进行三次训练并在测试集上预测,然后将三次在测试集上预测得到的F1-Weighted avg值相加取平均值作为模型最终的识别准确率,分别取得了86.17%和88.21%的准确率。然后在增强的训练数据上2种模型同样进行三次训练取平均值得到了94.30%和90.72%的准确率。说明在样本量较少时使用数据增强可以提高模型的泛化能力,从而提高模型的识别准确率。而人工构建的CNN模型之所以达到了94.30%的准确率,主要是由于我们经过很长时间对网络结构、超参数进行调整,最终使得Artificial_CNN模型达到了一个令人满意的结果。Auto_CNN模型仅仅只是提供数据集便可以自动搜索构建识别水字的CNN模型从而得到90.72%平均识别率,足以看到自动搜索神经网络结构是可行的。
图表编号 | XD00226993100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 汤辉、张国锋、张维勤 |
绘制单位 | 黔南民族师范学院计算机与信息学院、黔南民族师范学院计算机与信息学院、黔南民族师范学院计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |