《表3 实验环境介绍：全卷积神经网络下的多光谱遥感影像分割》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全卷积神经网络下的多光谱遥感影像分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本研究在训练网络时的实验环境如表3所示。采用的优化函数是Pytorch框架提供的SGD函数，初始学习率为0.001，每迭代40次学习率减小10倍，动量超参数和权重衰减分别为0.99和0.000 5，训练集为17幅2 000×2 000像素影像及其对应标注经过随机裁剪生成的17 000幅小尺寸图像（7波段的影像对应裁剪生成的小图像大小固定为256×256×7），即每幅2 000×2 000像素影像经过随机裁剪和数据增强生成1 000幅小尺寸图像，训练集、验证集和测试集划分比例为7∶1∶2。设置mini-batch的大小为16（即以16幅图像为一组对网络进行训练），同时使用在ImageNet数据集上预训练过的DenseNet模型对基础网络初始化（不加载DenseNet预训练模型第1层卷积参数），以加快网络收敛和提高网络的泛化能力。