《表1 Colony-Net的具体参数》

  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

《基于卷积神经网络的复合菌落智能分类识别》

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

Colony-Net拓扑结构如图6所示，其输入层（input layer）可输入归一化后的单张菌落图像，输入尺寸为32×32×1。由于实验是对多类图像样本进行训练预测，所以选用的损失函数为多类对数损失（categorical＿crossentropy）[16]。在block1中，最大池化层后添加了dropout层，指定以0.25的概率随机丢弃本层节点，以防止模型过拟合。参数更新使用Adagrad算法[17]，该算法可在训练中自动对学习率进行调整，使得训练过程较为平稳。全连接层共有128个输出节点。由于实验是四分类，所以在全连接层中使用的激活函数为针对多分类模型使用的Softmax函数。输出层（output layer）输出的4个种类分别用数字1～4代替。Colony-Net模型的具体参数如表1所示。