《表1 各网络模型的对比结果》
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。
图表编号 | XD0068603100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 姚明海、杨圳 |
绘制单位 | 浙江工业大学信息工程学院、浙江工业大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |