《表5 不同卷积层数的共同参数》
迁移学习能够快速训练出针对特定任务的模型结构,但是在测试集的准确率上还不能达到工程实践的要求。为满足高准确率的网络模型,需要对特定任务重新训练所有层的参数,然而较深层次的卷积模型结构需要非常大的数据量和高性能显卡来加速训练,并且不能很好地应用于实践。为此,本文从CNN的基本概念出发,设计较浅不同层数的模型结构来训练模型,并且对原始数据进行增强以达到CNN训练的大数据量的要求,不同层数的模型结构的共同参数详见表5。
图表编号 | XD00116255500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 晏世武、罗金良、严庆 |
绘制单位 | 南华大学机械工程学院、南华大学机械工程学院、南华大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |