对比ResNet和denseNet、efficientNet对5种花分类效果

liu24244

于 2020-05-19 08:43:28 发布

阅读量5.7k

点赞数 6

文章标签： tensorflow

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/liu24244/article/details/106206612

版权

本文通过使用ResNet50、DenseNet121和EfficientNetB5三种模型，对比了它们在五种花卉分类任务上的性能。实验在相同条件下进行，包括图片增强和超参数设置。结果显示，DenseNet121在准确率上与ResNet50相当，但收敛速度更快且更稳定。两者的表现均优于EfficientNetB5。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对比ResNet和denseNet、efficientNet对5种花分类效果

实现框架 keras

效果对比

在相同的图片增强以及超参，10epoch，三种模型的准确率和损失表现如下：

resNet50与denseNet121，准确率差别不大，后者表现更稳定，收敛更快；两者的表现均比efficientNetB5要好。

准确率

准确率

损失值

损失值

所有代码https://github.com/u19900101/keras-learning

评论 3

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。