《表3 各模型在caltech256上的性能》
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.
图表编号 | XD0043857400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.05 |
作者 | 周悦、曾上游、杨远飞、冯燕燕、潘兵 |
绘制单位 | 广西师范大学电子工程学院、广西师范大学电子工程学院、广西师范大学电子工程学院、广西师范大学电子工程学院、广西师范大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |