《表2 不同识别算法下平均每张图片的测试时间》
不同识别算法测试时间如表2所示,对比分析如下:DenseNet使用了密集连接的方法减少网络每层计算量以及实现特征的高度复用。而本文算法采用深度全局可分离卷积结合残差学习模块,减少了复用特征的冗余程度,同时加速训练初步特征提取流程。由于当前的深度学习框架对密集连接没有良好的优化方法,只能借助特征图之间的反复拼接操作,将之前提取到的特征图拼接后一并传入下层网络,因此在训练的时候密集连接会占用大量内存导致网络性能的大幅度波动(见图4),相比之下本算法在第45个训练周期的时候就达到收敛状态,loss值稳定在0.000 1左右,识别率趋于平稳。
图表编号 | XD0077707400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 陈希彤、卢涛 |
绘制单位 | 武汉工程大学计算机科学与工程学院、武汉工程大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |