研究文章
改善性能的深度学习基于模型的分类分析当地的概率
表6
随机概率的结果与融合运营商cifar - 100和Mini-ImageNet。
|
| 当地的概率 |
方法 |
| ResNeSt50 [26] |
VGG16 (%) (25] |
VoVNet-57 (%) (24] |
CC-KL可训练的(%)(27] |
CC-KL可训练的与我们的框架(%) |
|
| cifar - 100兰特(0,1) |
41.93 |
46.19 |
63.98 |
65.52 |
66.27 |
| cifar - 100兰特(−1,1) |
41.83 |
46.21 |
63.78 |
65.57 |
74.93 |
| cifar - 100兰特(−2,1) |
42.03 |
46.35 |
63.42 |
66.16 |
77.02 |
| Mini-ImageNet,兰德(0,1) |
40.34 |
44.54 |
72.65 |
73.39 |
74.55 |
| Mini-ImageNet,兰德(−1,1) |
40.64 |
44.84 |
72.58 |
73.47 |
81.23 |
| Mini-ImageNet,兰德(−2,1) |
41.04 |
45.01 |
72.47 |
74.45 |
85.48 |
|
|
