《表2 在数据集VOC2007上比较不同分类算法的精度》
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.
图表编号 | XD0086481800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.30 |
作者 | 余晓龙、林国平 |
绘制单位 | 闽南师范大学粒计算及其应用重点实验室、闽南师范大学粒计算及其应用重点实验室、闽南师范大学数学与统计学院、数字福建气象大数据研究所 |
更多格式 | 高清、无水印(增值服务) |