《表2 卷积神经网络与双通道卷积神经网络实验对比》

  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

《基于双通道卷积神经网络的多标签图像标注》

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

在上述实验之后，在pascal voc2012数据集上将双通道卷积神经网络与普通神经网络进行对比，双通道卷积神经网络模型是为解决由于训练数据集中数据不均衡导致低频词汇标注准确率低的问题而提出的，该模型相当于是两个不同卷积神经网络的集成模型，其中一个卷积神经网络拥有较小的卷积核和较大的步长，而另一个模型具有较大的卷积核和较小的步长，在训练的过程中，为增加低频词汇的训练权重，低频词汇所对应的图片进入到具有较大卷积核和较小步长的卷积神经网络中，而另一个卷积神经网络使用全部的训练集进行训练，其中词汇是否为低频词汇的度量标准为，剔除掉词频最高的和最低的频率，剩下的词频取平均值，低于平均值的频率所对应的标注词为低频词。当两个模型都训练100次时，实验结果见表2。