《表6 有无最大池化层的分类精度》

《表6 有无最大池化层的分类精度》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《联合局部二值模式的CNN高光谱图像分类》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录
注:加粗数字表示最佳精度,IN(Indian Pines),PU(Pavia Univer-

(3)最大池化层。最后测试最大池化层对分类精度的影响,对应Indian Pines数据、Pavia University数据及Salinas数据的CNN模型的网络参数,第一卷积层卷积核数量分别为16、8和16,网络层数均为3。测试网络模型中是否包含最大池化层对分类精度的影响。实验结果如表6所示,表中加粗数字表示最佳精度。可以看出,不含最大池化层的CNN模型能够提高分类精度,因此LBP-DC-CNN中1D-CNN模型的结构为两个卷积层和一个全连接层。