论文代码和自己写的代码结果对比

已于 2023-03-17 11:21:47 修改
阅读量265 收藏
点赞数
文章标签： 深度学习 pytorch 计算机视觉
于 2023-03-04 20:23:46 首次发布
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/m0_56640148/article/details/129281895
版权

个人笔记2

问题

1. x1_conv_layer_z2_po = tf.layers.max_pooling2d(x1_conv_layer_z2_bn, 2, 2, padding='SAME')
这是论文源码，经我查阅资料得知，2，2分别代表最大池化窗口的大小和步长。但是论文原文中说：
Note that the strides in Conv Layer and pooling layer are
both set to 1.貌似说步长设置1，但是如果设置为1，我自己写的程序怎么调整都跑不起来，如果步长设置为2的话，不需要调整什么，程序可以跑起来。

全连接网络实验结果：

论文中要求moment=0.9,我用moment=0.1做出来的数据更好看点

HSI:

论文中OA为80.39
（1）pytorch版本

在这里插入图片描述

（2）tf版本

在这里插入图片描述

LIDAR:

论文中OA为63.61
(1)pytorch版本

在这里插入图片描述

（2）tf版本
在这里插入图片描述

early:

（1）论文中OA为84.88,pytorch版本

在这里插入图片描述

（2）tf版本的MML：

在这里插入图片描述

论文中OA为40.98
(3)pytorch版本的’CML-HSI’

在这里插入图片描述

(4)tf版本的’CML-HSI’

在这里插入图片描述

论文中OA为33.20
(5)pytorch版本的’CML-LiDAR’

在这里插入图片描述

(6)tf版本的’CML-LiDAR’
在这里插入图片描述

middle

(1)pytorch的"MML",论文中OA为86.62

在这里插入图片描述

(2)tf的"MML":

在这里插入图片描述

(3)pytorch的’CML-LiDAR’,论文中OA为44.21

在这里插入图片描述

（4）tf的’CML-LiDAR’
在这里插入图片描述

（5）pytorch的’CML-HSI’,论文中OA为59.07

在这里插入图片描述

（6）tf的’CML-HSI’
在这里插入图片描述

late

(1)pytorch的’MML’,论文中OA为87.60

在这里插入图片描述

(2)tf的’MML’
在这里插入图片描述

(3)pytorch的’CML-LiDAR’,论文中OA为47.70

在这里插入图片描述

(4)tf的’CML-LiDAR’
在这里插入图片描述

(5)pytorch的’CML-HSI’,论文中OA为68.94

在这里插入图片描述

(6)tf的’CML-HSI’

在这里插入图片描述

en-de :

(1)pytorch中的’MML’,论文中的结果为88.52
在这里插入图片描述

（2）tf中的’MML’

在这里插入图片描述

(4)pytorch中的’CML-LiDAR’,论文中的结果为49.50

在这里插入图片描述

（5）tf中的’CML-LiDAR’
在这里插入图片描述

(6)pytorch中的’CML-HSI’，论文中的结果为73.26
在这里插入图片描述

（7）tf中的’CML-HSI’
在这里插入图片描述

cross

(1)pytorch中的’MML’，论文中结果为89.60

在这里插入图片描述

（2）tf中的’MML’
在这里插入图片描述

(3)pytorch中的’CML-LiDAR’，论文中的结果为 67.90

在这里插入图片描述

（4）tf中的’CML-LiDAR’
在这里插入图片描述

(5)pytorch中的’CML-HSI’，论文中的结果为 82.53

在这里插入图片描述

（6）tf中的’CML-HSI’
在这里插入图片描述

卷积神经网络实现结果

HSI

(1)pytorch中的"HSI_CNN"，论文中的结果为82.05 ，基本符合

在这里插入图片描述

（2）tf中的"HSI_CNN"
在这里插入图片描述

LIDAR

（1）pytorch中结果如下，论文中的结果为67.35，基本符合

在这里插入图片描述

（2）tf中结果：

Early

(1)pytorch中的"MML"，论文中OA为83.07

在这里插入图片描述

(2)tf中的"MML"
在这里插入图片描述

(3)pytorch中的’CML-LiDAR’，论文中结果为 31.37，

在这里插入图片描述

（4）tf中的’CML-LiDAR’
在这里插入图片描述

（5）pytorch中的’CML-HSI’，论文中结果为 45.38，基本符合

效果不好

（6）tf中的’CML-HSI’
在这里插入图片描述

middle

(1)pytorch实现的’MML’,论文中结果为 89.55，基本符合
在这里插入图片描述

(2)tf实现的’MML’
在这里插入图片描述

（3）pytorch实现的’CML-LiDAR’，论文中结果为49.41 ，结果基本符合

在这里插入图片描述

（4）tf实现的’CML-LiDAR’

在这里插入图片描述

（5）pytorch实现的’CML-HSI’，论文中结果为69.19,结果基本符合

在这里插入图片描述

（6）tf实现的’CML-HSI’

在这里插入图片描述

late

(1)pytorch中的’MML’,论文中结果为87.98 ，基本符合

在这里插入图片描述

(2)tf的’MML’
在这里插入图片描述

（3）pytorch中的’CML-LiDAR’，论文中结果为49.26，基本符合

在这里插入图片描述

（4）tf中的’CML-LiDAR’
在这里插入图片描述

（5）pytorch中的’CML-HSI’，论文中的结果为72.62，基本符合
blog.csdnimg.cn/0789e3cea53641fdb0da040f375717fe.png)
在这里插入图片描述

（6）tf中的’CML-HSI’
在这里插入图片描述

en_de 和cross

和全连接网络一样，最后实现的en_de实现的效果不佳。
(1)pytorch中’MML’，论文中的结果为90.71

（2）tf中’MML’
在这里插入图片描述

（3）pytorch中的’CML-LiDAR’，论文中结果为63.75
（4）tf中的’CML-LiDAR’
在这里插入图片描述
（5）pytorch中的’CML-HSI’，论文中的结果为79.23

（6）tf中的’CML-HSI’
在这里插入图片描述

cross

（1）pytorch中的MML
在这里插入图片描述

（2）tf中mml

(2)pytorch中的

码农10087号
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值