《表2 不同降低率r对应的识别率与时间》

  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

《深度特征重构与权重分配的交通标志识别算法》

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

在重构通道特征的过程中，特征重要性分析决定最终的特征权重分配．因此，确定特征重要性分析中的超参数降低率r大小影响最终识别效果．当降低率过高时，丢失很多的全局信息；当降低率过低时，增加多层全连接的参数计算以及网络训练的时间复杂度．表2给出了不同降低率对第一阶段特征的最后一层卷积特征做重构处理，得到的识别率情况和每步训练所需时间对比．卷积特征的通道数为192，降低率选取4，8，16，32这4组数据进行训练，则重构特征过程需要训练额外的网络学习参数为9212，4608，2304，1152．当r=16时，交通标志最高识别率可以达到98.84%，而加入STN网络无重构特征的最高识别率为98.45%，识别率提高了0.39%；当r=4时，对交通标志识别准度提升也有0.24%．这说明一定程度的重构卷进特征会提高交通标志识别率，当r=16时，特征在神经网络中表达能力最强．在多组训练所需时间相差不大的情况下，选取r为16作为特征分析中全连接层的降低率比．