《表6 样本组合的实验对比(CIFAR10)》

  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

《基于深度卷积的残差三生网络研究与应用》

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

如表6所示，本文测试4种正负样本组合情况，发现增加有效三元组训练样本，能较为明显地提高网络训练效果，降低错误率。CIFAR10数据集通过4种样本组合方法，有效的三元组训练样本数量分别为5×104、1×105、2×105、3×105，网络训练迭代一次所需的时间如表6所示，近似等比例增加。本文网络的批量B=50，所以正样本的数量不能过多，避免产生无效的三元组样本，根据GPU的性能，可以适当调节负样本的数量。所以本文三元组预处理方法对样本较少的数据集能增加训练样本以提高网络训练效果。