《表1 卷积神经网络模型参数》

  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

《绿色环境暴露对居民心理健康的影响研究——以南京为例》

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

本文主要利用Python中的Keras库搭建卷积神经网络（Convolutional Neural Networks，CNN）来识别图片中的绿视率。CNN是深度学习的主要算法之一，一般由输入层、隐含层和输出层3个部分组成，其中隐含层一般包含卷积层、池化层、激励层和全连接层等结构。CNN模型在遥感、城市特征识别等领域都有广泛应用[59-61]。图2显示了该模型的具体结构。模型主要由4层卷积层（Conv2D）、3层池化层（MaxPooling2D/AveragePooling2D）和2层全连接层（Dense）组成，并加入Flatten层用于将图像一维化，以及5层随机失活层（Dropout）防止模型过拟合（表1）。与FCN、SegNet等利用了反卷积结构的语义分割方法相比，该模型将单一标签作为输出层，具有较为简单、运算速度快、对训练集的要求更低等优点，且对分析居民感知等较为抽象的内容有更好的效果。为了简便计算，模型输入层设置为224×224像素大小的正方形图像；输出层为分类标签，即图片绿视率值。