《表2 不同网络构架对模型性能的影响》
通过对VGG-16全连接层进行网络结构的调整,测试集的准确率变化如表2所示。由表2可以看出,通过方案(1)调整方式对全连接层进行不同程度的约简,A组与B组测试集的平均准确率基本没有太大变化。该结果表明:对于本文葡萄叶片氮含量识别的研究进行全连接层不同程度约简对模型准确率基本不产生影响,可以在训练过程中去除参数量占比较大的全连接层Fc6和Fc7以减少网络的参数量;通过方案(2)调整方式采用全局平均池化层,A组与B组不同氮含量梯度的识别模型参数量均大量减少,且准确率得到了一定的提升。
图表编号 | XD00119198400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.18 |
作者 | 杨娟娟、高晓阳、邵世禄、李红岭、尹国强 |
绘制单位 | 甘肃农业大学机电工程学院、甘肃葡萄与葡萄酒工程学重点实验室、甘肃省干旱生境作物学重点实验室、甘肃农业大学机电工程学院、甘肃葡萄与葡萄酒工程学重点实验室、甘肃省干旱生境作物学重点实验室、甘肃农业大学机电工程学院、甘肃葡萄与葡萄酒工程学重点实验室、甘肃省干旱生境作物学重点实验室、甘肃农业大学机电工程学院、甘肃葡萄与葡萄酒工程学重点实验室、甘肃省干旱生境作物学重点实验室、甘肃农业大学机电工程学院、甘肃葡萄与葡萄酒工程学重点实验室、甘肃省干旱生境作物学重点实验室 |
更多格式 | 高清、无水印(增值服务) |