《表3 图像识别结果Tab.3 Results of image recognition》

  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

《基于改进的卷积神经网络的钢号识别》

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

2) 固定递归神经网络个数K2=30，变化C3层卷积核个数K3，从8以增量2变化到20，得到的识别结果如图5所示。由图5可见，当K3=12时错误率就降到了4.23%，比卷积神经网络的错误率降低了1.52%，由此可见，利用递归神经网络提取图像的多样性特征是有效的。C3层卷积核个数与训练时间关系如表5所示，当K3取8、10、12时相比表4训练时间明显缩短，说明引入递归神经网络后，不仅识别精度提高了，同时还加快了训练速度。随K3的增加，识别率上升，但同时训练的时间成本也越来越大。