《表2 Batch Size对分割效果的影响》

  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

由表1可以看出，不同卷积核尺寸在相同的池化类型条件下，对分割结果有着很大影响[17]。为了进一步优化模型，本文针对Batch Size的大小对分割效果的影响也做了大量实验。在本次实验中采用小批量学习法（Mini-Batch Learning），卷积核尺寸设置为1×1，学习率和迭代次数分别设置为0.01和1 500次。从表2中可以看出，随着Batch Size尺寸的增大可以得到较好的分割效果，但是其大小的改变将对计算机资源有较大的要求，增大Batch Size将减少迭代次数，但是需要耗费大量的训练时间，当Batch Size达到一定大小时，网络模型的学习效率也将下降，导致参数更新不及时。