《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。