《表5 不同网络层数的分类精度》
注:加粗数字表示最佳精度,IN(Indian Pines),PU(Pavia Univer-sity),SA(Salinas)。
(2)网络层数。其次测试不同的网络层数对分类精度的影响,首先设定3组数据对应的模型第1卷积层的卷积核数量后,分别测试网络层数为3、5、7、9时模型的分类精度及时间,除最后一层为全连接层外,模型中均为卷积层和池化层交叉,3组数据的分类结果如表5所示。从表5中可以看出,由于深层神经网络更容易出现梯度消失问题,随着网络层数的增加,分类精度缓慢下降,因此针对Indian Pines数据、Pavia University数据及Salinas数据对应的CNN模型,分别设置其网络层数为3、3和3。
图表编号 | XD00158076900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 魏祥坡、余旭初、张鹏强、职露、杨帆 |
绘制单位 | 信息工程大学、信息工程大学、信息工程大学、信息工程大学、信息工程大学 |
更多格式 | 高清、无水印(增值服务) |