《表6 有无最大池化层的分类精度》
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。
图表编号 | XD00158077300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 魏祥坡、余旭初、张鹏强、职露、杨帆 |
绘制单位 | 信息工程大学、信息工程大学、信息工程大学、信息工程大学、信息工程大学 |
更多格式 | 高清、无水印(增值服务) |