《表3 不同网络结构复杂度对比》
为验证简单的卷积神经网络就能取得良好的识别效果,利用一个14层的Resnet-14(残差神经网络)进行对比。训练准确率随迭代次数变化如图7(b)所示。对比图7(a)、(b)可知,复杂的深层网络能够在更少的迭代次数下达到同样的精度,对于除本文以外的三种星座图恢复方法,使用Resnet均在一定程度上提高了识别准确率,达到了90%以上。随着卷积层数的加深,网络能够学习到更抽象的高维特征,高维特征更有利于提升模型的分类效果,但同时巨大的参数量和复杂的运算会造成计算时间成本的提升。本文根据文献[15]提出的方法计算了CNN-4和Resnet-14的时间和空间复杂度,如表3所示。
图表编号 | XD0054886300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.28 |
作者 | 吴佩军、侯进、吕志良、桂梅书、张笑语、陈曾 |
绘制单位 | 西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、西南交通大学信息科学与技术学院、成都华日通讯技术有限公司、成都华日通讯技术有限公司 |
更多格式 | 高清、无水印(增值服务) |