《表3 Le Net和Alex Net两种网络的识别结果》

  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

《基于卷积神经网络的毛发显微图像分类》

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

注:训练识别率是指在学习训练过程中每迭代1 000次模型在测试集上的识别准确率；泛化精度是指在测试过程中使用完整学习模型在测试集上的识别准确率，体现模型的鲁棒性即泛化能力。

由表3可见，结构较为复杂的AlexNet网络模型在样本训练中确有较高的识别准确率与泛化能力，体现了多层卷积、池化与正则化等方法防止过拟合的优势，取得了较好的识别效果。但由于本实验前期分类问题较为简单，使用该网络比LeNet网络模型耗时冗长、效率低下，在识别结果相差不大的情况下，选用LeNet网络模型训练效率更高，利于前期实验分析分类问题是否适用于卷积神经网络，挑选较佳参数组合，因此在现阶段实验中仍采用LeNet网络作为分类模型。