《表2 全连接层参数微调测试及对应识别精度》

  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

《基于改进AlexNet的广域复杂环境下遮挡猕猴桃目标识别》

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

AlexNet网络的卷积核尺寸、数量及步长对于网络识别精度影响显著，为避免过拟合和训练速度减慢，仅以检测猕猴桃果实特征为主，并对AlexNet网络结构进行改进:保留AlexNet前5个卷积层，去除所有全连接层。并对网络进行调参，通过将AlexNet中L6、L7的全连接层参数从24～214依次设置进行多轮训练，并将L6、L7全连接层在不同参数设置下的网络识别精度（Average precision，AP）VAP进行对比，识别精度在不同参数设置下的统计结果，如表2所示。经对测试集进行试验得出，当AlexNet中的全连接层L6、L7的节点数为768和256时，改进的Alex Net对猕猴桃果实识别精度最高。