《表5 在mini Image Net上本文嵌入模块效果》
注:加粗字体表示最优结果。
2)对不同嵌入模块的效果进行对比。本文在miniImageNet数据集上嵌入不同模块的效果如表5所示,可以看出,ResNet18直接用在小样本学习任务上反而没有简单的4层CNN效果好。这是由于ResNet18的参数数量很大,超过简单CNN的100倍,而该任务训练数据仅有38 400,并且要对新类进行预测,导致较大程度的过拟合,使得精度在训练集上高于简单CNN,但是测试反而低于简单CNN。此外,参数数量过大会导致训练速度较慢,可以看出,Res Net18的训练耗时是简单CNN的2.74倍。而本文针对小样本任务设计的嵌入模块经过实验验证,无论是效果还是耗时都显著优于Res Net18,并且在比简单CNN耗时略多的情况下,达到了更好的效果。
图表编号 | XD0098407000 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) |