《表7 在mini Image Net上的性能对比》
注:加粗字体表示最优结果。
5)在性能上与相关主流方法进行对比。如表7所示,匹配网络[28]和原型网络[29]嵌入网络都是使用简单的4层CNN结构,参数量较少(0.1×106),运算复杂度较低,所以效率较高,但效果相对较差。而匹配网络FCE(full context embeddings)[28]使用了LSTM[22],相关网络[32]使用了较为复杂的嵌入网络,运算复杂度较高,效率上低于本文方法。本文方法效率比匹配网络FCE[28]高约8%,比相关网络[32]高约18%。另外,由于元学习LSTM[22]多使用RNN实现,效率上普遍低于度量学习方法,本文方法效率比其高约52%。综上所述,本文方法不仅效果很好,在性能上也有较大优势。
图表编号 | XD0098406700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 汪荣贵、郑岩、杨娟、薛丽霞 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |