《表2 Batch Size对分割效果的影响》
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。
图表编号 | XD00107097400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.15 |
作者 | 王振、师韵、李玉彬 |
绘制单位 | 西京学院信息工程学院、西京学院信息工程学院、西京学院信息工程学院 |
更多格式 | 高清、无水印(增值服务) |