The performances of different CNNs

The performances of different CNNs are assessed based on the classification accuracies that are observed on the validation set. The results are presented in Fig. 2. In this figure, the bars are ordered in the same way as columns in Table 3. For each considered CNN architecture, 3 CNN instances have been trained from scratch (each time an initialization of weights is random) and in Fig. 2, the bars represent the mean accuracies. Corresponding standard deviations are given by error segments. We have fixed a selection threshold accuracy of 97.5% on the validation set (shown by the dash-dotted horizontal line in Fig. 2), which corresponds to the accuracy of the Starting CNN on the validation set. This threshold is used to select CNN architectures in all 3 steps of the optimization procedure.

ผลลัพธ์ (ไทย) 1:

การแสดงของ CNNs แตกต่างกันจะประเมินตาม accuracies ประเภทที่สังเกตชุดตรวจสอบ ผลลัพธ์จะแสดงใน Fig. 2 ในรูปนี้ บาร์จะสั่งในลักษณะเดียวกับคอลัมน์ในตาราง 3 สำหรับสถาปัตยกรรมแต่ละพิจารณา CNN ได้รับการฝึกอบรม 3 CNN กรณีตั้งแต่ต้น (แต่ละครั้งการเริ่มต้นของน้ำหนักเป็นแบบสุ่ม) และ ใน Fig. 2, accuracies หมายถึงหมายถึงแถบ ส่วนเบี่ยงเบนมาตรฐานที่เกี่ยวข้องจะได้รับ โดยส่วนข้อผิดพลาด เรามีคงความถูกต้องการจำกัดตัวเลือกของ 97.5% การตรวจสอบชุด (แสดง โดยจุดเส้นประเส้นแนวนอนใน Fig. 2), ซึ่งสอดคล้องกับความถูกต้องของซีเอ็นเอ็นที่เริ่มต้นบนชุดตรวจสอบ ขีดจำกัดนี้จะใช้เพื่อเลือกสถาปัตยกรรม CNN ในทั้งหมด 3 ขั้นตอนของกระบวนการปรับให้เหมาะสม

ผลลัพธ์ (ไทย) 2:

การแสดงของ CNNs ที่แตกต่างกันได้รับการประเมินบนพื้นฐานของความถูกต้องการจัดหมวดหมู่ที่มีการตั้งข้อสังเกตในชุดการตรวจสอบ ผลที่จะได้นำเสนอในรูป 2. ในรูปนี้บาร์ที่มีการสั่งซื้อในลักษณะเดียวกับคอลัมน์ในตารางที่ 3 สำหรับแต่ละถือว่าสถาปัตยกรรมซีเอ็นเอ็นซีเอ็นเอ็นกรณีที่ 3 ได้รับการอบรมจากรอยขีดข่วน (ทุกครั้งที่เริ่มต้นของน้ำหนักเป็นสุ่ม) และในรูป 2 บาร์เป็นตัวแทนของความถูกต้องหมายถึง ที่สอดคล้องกับค่าเบี่ยงเบนมาตรฐานจะได้รับจากส่วนข้อผิดพลาด เราได้แก้ไขความถูกต้องเกณฑ์การเลือกของ 97.5% ในชุดการตรวจสอบ (แสดงโดยเส้นประประเส้นแนวนอนในรูป. 2) ซึ่งสอดคล้องกับความถูกต้องของการเริ่มต้นของซีเอ็นเอ็นในชุดการตรวจสอบ เกณฑ์นี้จะใช้ในการเลือกสถาปัตยกรรมซีเอ็นเอ็นในทุกขั้นตอนที่ 3 ของขั้นตอนการเพิ่มประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

การแสดงของ cnns ที่แตกต่างกันจะถูกประเมินตามหมวดหมู่ความถูกต้องที่พบในการตรวจสอบการตั้งค่า ผลลัพธ์ที่แสดงในรูปที่ 2 ในรูปนี้ แถบจะสั่งในลักษณะเดียวกันเป็นคอลัมน์ในตารางที่ 3 สำหรับแต่ละการพิจารณาสถาปัตยกรรมซีเอ็นเอ็น , 3 ) กรณีได้รับการอบรมจากรอยขีดข่วน ( ในแต่ละครั้งที่เริ่มต้นของน้ำหนักเป็นแบบสุ่ม ) และในรูปที่ 2แถบแสดงหมายถึงความถูกต้อง . ส่วนเบี่ยงเบนมาตรฐานที่สอดคล้องกัน จะได้รับ โดยส่วนข้อผิดพลาด เราได้กำหนดเกณฑ์การเลือกความถูกต้องของ 97.5 % ในการตั้งค่า ( แสดงโดยเส้นประเส้นประ เส้นแนวนอนในรูปที่ 2 ) ซึ่งสอดคล้องกับความถูกต้องของการเริ่มต้นซีเอ็นเอ็นในการตรวจสอบการตั้งค่าเกณฑ์นี้จะใช้ในการเลือกของสถาปัตยกรรมใน 3 ขั้นตอนของกระบวนการเพิ่มประสิทธิภาพ