《表4 输电塔分类网络参数设置》
其中训练集和测试集瓦片数目的比例为6∶4。利用输电塔分类模块中的6层卷积神经网络模型在RAD-GFEP数据集上进行训练。模型输入的初始瓦片大小为512像素×512像素,根据数据规格和规模的大小,分类网络具体参数设置如表4所示。每个卷积层后都增加一个最大值池化层,它们能够减少模型参数数量,并且避免过拟合现象。在分类算法中对原始数据集采用镜像、平移、缩放等增广策略以提高多样性,增强模型泛化能力。此外,在训练过程中及时关注损失函数值与精度值变化,在模型达到较好收敛条件下采用提早结束的训练策略。这些训练策略的综合使用能够加快参数调整过程,防止模型过拟合现象的发生。模型优化算法采用自适应优化方法(Adam),这种方法可以使模型收敛的更快,损失值更小[23]。
图表编号 | XD00113103500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 孙震笙、柳鹏、余涛、杨健、米晓飞 |
绘制单位 | 中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院大学电子电气与通信工程学院、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院遥感与数字地球研究所遥感卫星应用国家工程实验室、中国科学院大学电子电气与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |