《表1 网络识别率比较:双输入流深度反卷积的插值神经网络》
表1给出了基于正常训练集和本文方法扩充的训练集的网络识别率,其数据集均基于Shape Net Core。从表1中可以看出,基于正常训练集的神经网络在面对扩充库时识别率下降;而通过扩充训练数据集,卷积神经网络针对扩充库的识别率明显得到提升。可以得出,本文神经网络的后半部分(FC4、uconv-1~uconv-4)就是卷积神经网络的后半部分,可以将网络倒置,完成对图像的分类识别。
图表编号 | XD0090229900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 张强、杨剑、富丽贞 |
绘制单位 | 中北大学软件学院、中北大学软件学院、电磁波信息科学教育部重点实验室(复旦大学)、中北大学软件学院 |
更多格式 | 高清、无水印(增值服务) |