《表4 不同卷积核数量的分类精度》
注:加粗数字表示最佳精度,IN(Indian Pines),PU(Pavia Univer-sity),SA(Salinas)。
(1)卷积核数量。首先测试不同的卷积核数量对模型性能的影响,卷积核数量决定了卷积层输出特征图的数量,首先设定1D-CNN模型包含两个卷积层、两个最大池化层和1个全连接层,分别测试第1个卷积层卷积核数量为4、8、16、32时模型的分类精度,3组数据的分类结果如表4所示,表中加粗数字表示最佳精度。从表4中可以看出卷积核数量对分类精度的影响并不大,因此在实验中分别针对Indian Pines数据、Pavia University数据及Salinas数据对应的CNN模型,分别设置其第一卷积层的卷积核数量为16、8和16。
图表编号 | XD00158077100 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) |