《表1 网络参数:基于卷积神经网络的火焰识别》
网络训练的batch大小为20,考虑到原始输入图像为224×224的大小,网络结构中除第一个卷积核使用1×1外,其余均使用5×5的卷积核,池化尺寸2×2,步长为2。最大特征图深度控制在512层,采用自适应学习率和弃权策略,drop比例0.8,通过Softmax函数将实际火焰检测问题转换为有火和无火的二分类问题。详细的网络参数见表1。
图表编号 | XD00111172400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.16 |
作者 | 段锁林、刘福、高仁洲、王一凡、潘礼正 |
绘制单位 | 常州大学机械工程学院、常州大学机械工程学院、常州大学机械工程学院、常州纺织服装职业技术学院机电学院、常州大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |