《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》
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。
图表编号 | XD00141905600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 姚建华、吴加敏、杨勇、施祖贤 |
绘制单位 | 宁夏回族自治区遥感测绘勘查院、宁夏回族自治区遥感测绘勘查院、宁夏回族自治区遥感测绘勘查院、北京科技大学计算机与通信工程学院、材料领域知识工程北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |