《表2 不同层数的ResNet模型在CompCars上的识别和性能结果》
分析表2和图4可知,得益于残差模块的特点,不同层数ResNet模型都有较高的识别准确率,但是ResNet14、ResNet34和ResNet50在小数据集上准确率有小幅度的下降,说明模型的可学习参数过多,学习到额外的噪声,模型的泛化能力下降。ResNet10和ResNet18的模型拟合能力都很好,在保持准确率的前提下,为了节省存储空间和加快预测推断速度,选择ResNet10作为实验二的骨干网络。
图表编号 | XD0096239800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 王静、黄振杰、王涛 |
绘制单位 | 广东工业大学自动化学院、广东工业大学自动化学院、广东工业大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |