《表1 各网络模型的对比结果》

  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

《基于轻量级卷积神经网络的实时缺陷检测方法研究》

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

ImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。本文在ImageNet的分类图片数据集上对MobileNets、ShuffleNet、Xception、MobileNetV2、MagnetNets网络模型进行训练和测试。使用TensorFlow框架对模型进行训练，并采用Xavier来初始化网络模型的参数，将AdamOptimizer作为优化器的优化算法。同时在每一层之后使用批量标准化（batch normalization），批处理大小（batch size）为96，权重衰减（weight decay）为0.00004。初始学习率（learning rate）设置为0.045，学习率的衰减率（decay rate）为每代的0.98。实验结果及与其他网络模型的对比的数据如表1所示。实验结果表明，在精确度方面，MagnetNets网络模型能够达到MobileNetV2等网络模型的准确率，在模型的大小上面，MagnetNets网络模型比其他的几种网络更加轻量化。