古吉拉特语脚本识别与行人多目标跟踪算法研究
1. 古吉拉特语脚本分类方法性能分析
在古吉拉特语字符识别中,采用多类分类和多标签分类两种方法,并在DenseNet201、EfficientNetB0和ResNet50三种卷积神经网络架构上进行训练。
1.1 多类分类性能分析
| 多类分类 | 参数 | DenseNet201 | EfficientBO | ResNet50 |
|---|---|---|---|---|
| 验证准确率 | 0.81 | 0.52 | 0.3 | |
| 验证损失 | 0.644 | 1.44 | 3.43 | |
| 训练轮数 | 23 | 20 | 1.7 |
1.2 多标签分类性能分析
| 多标签分类 | 参数 | DenseNet201 | Eff |
|---|
超级会员免费看
订阅专栏 解锁全文
32

被折叠的 条评论
为什么被折叠?



