《表1 卷积层超参数表：基于CNN的强噪声干扰下C扫成像检测方法》

  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CNN的强噪声干扰下C扫成像检测方法》

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

所设计的深层CNN模型如图3所示，网络架构中包含19个卷积层（Conv）用于提取抽象特征，每个卷积层之后紧接批标准化层（BN）和非线性激活函数层（ReLU），除第一卷积层外，每两个卷积层形成一个短接模块，各卷积层的超参数如表1所示。网络架构中还设计有最大池化层（Max Pooling）和全局平均池化层（GAP）。网络的输入为（2000，1）的A扫全波数据，输出有两个分支，分别代表有缺陷A扫信号和无缺陷A扫信号。