《表2 在数据集VOC2007上比较不同分类算法的精度》

  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

《基于标签相关性的卷积神经网络多标签分类》

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

本实验在windows处理器为i7电脑上完成，采用深度学习框架tensorflow，在VOC 2007多标记数据集，VOC2007共含有20个类别标签分别是plane、bike、bird、boat、bottle、bus、car、cat、chair、cow、table、dog、horse、motor、person、plant、sheep、sofa、train、tv/monitor.共有测试集4 952张图片，训练验证集5 011张图片.实验分别与传统的多标记分类算法INRIA[8]、FV[9]、GS-MKL[10]比较，在数据集VOC2007上比较分类算法的精度如表2所示，评价指标采用Accuracy Precision（AP），相比较与传统多标记分类算法以人工设计的方法提取图像特征，采用深度神经网络CNN在图像特征提取和分类效果更好，而采用迁移学习使用Inception V3模型可以大大减少神经网络所需要训练的时间.