《表3 各模型在caltech256上的性能》

  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

《基于分组模块的卷积神经网络设计》

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

本实验对比了传统的CNN和采用本文分组模块模块的网络在Caltech256以及101＿food数据集上识别性能的好坏.图3给出了两种网络在Caltech256训练时测试精度的变化曲线，当到达设置的最大迭代次数时，采用本文分组模块的mysliceNet识别精度明显高于传统的CNN.由表3可以看出traCNN在caltech256可达到50.1%的识别精度，而改进的mysliceCNN可到到52.2%的识别精度，在traCNN上有了2.1%的提升.