《表2 不同降低率r对应的识别率与时间》
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.
图表编号 | XD0096853300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 朱军、侯振杰、陈树越、苏海明 |
绘制单位 | 常州大学信息科学与工程学院、常州大学信息科学与工程学院、常州大学信息科学与工程学院、常州大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |