《表6 各通道组合输入的测试准确率》

  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

《基于并行卷积神经网络的图像美学分类》

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

输入图像的预处理也会影响最终的分类结果，为了探索更好的网络结构和得到一个更好的分类效果，本文采用将不同的通道的数据例如将HSV数据及其H通道、S通道、V通道的数据输入到D2并行网络结构中，实验结果见表5，各个通道的图像如图2所示。实验数据表明，不同的输入数据对最终的分类结果影响很大，其中分类较好的还是RGB数据和HSV数据。因此，进一步将不同通道的数据进行组合，共同输入到网络中对图片进行分类，分类的结果见表6。表6中总共做了10组实验，每次实验都是RGB、HSV、H、S、V的其中2个或者3个的组合。实验结果表明不同的组合输入到网络中，最终得到的分类准确率有所不同，最好的还是F7（RGB与H通道和V通道组合）准确率最高，为91.20%，其次是F5（RGB与HSV组合），为91.07%。考虑到网络参数和训练难度的问题，选用F5组合作为最终的并行网络结构，其测试准确率变化曲线如图3所示。