《表3 特征融合网络配置细节》
表1、表2和表3展示了网络的详细配置参数。网络训练时,除了最后一个全连接层,其余的全连接层都应用了比例为0.5的随机失活操作以避免过拟合。笔者使用Adam优化器以0.001的初始学习率训练网络,学习率会在每200 000次前向传播后以30%的比例衰减。每批次数据中包含64个点云模型。并使用线性整流函数(ReLU)作为每个卷积层后的激活函数。损失函数使用了分类任务中最普遍的交叉熵损失,结合L1和L2正则约束防止网络过拟合。算法使用Tensorflow深度学习平台实现,在单块NIVIDA GTX-1080Ti GPU上需要3.5小时左右完成100次迭代的训练。
图表编号 | XD00139892400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 闫林、刘凯、段玫妤 |
绘制单位 | 西安电子科技大学计算机科学与技术学院、西安电子科技大学计算机科学与技术学院、西安电子科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |