《表1 卷积核尺寸大小对评价指标的影响》

  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

《基于改进全卷积神经网络的玉米叶片病斑分割》

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

采用不同大小的卷积核将影响网络模型的特征提取能力，为了更好地了解网络，本文可视化卷积核的类型。由图5可以看出较小的卷积核（Conv）局部感受野小，但包含更多的细节信息，能够较好地将图像中所包含的主要信息提取出来，去除冗余特征信息[16]。为了验证卷积核大小对分割精度的影响，在实验过程中将Batch Size设置为128，默认学习率为0.01。由表1可以看出，将池化类型选择为平均池化时，1×1大小的卷积核比选择3×3和5×5的卷积核在IOU评价指标上分别高出2.25和6.07个百分点。