《表3 改进的AlexNet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

《基于改进深度神经网络的纱管分类》

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

对比网络I和网络II，在卷积操作上将全部卷积层替换成3×3小卷积核的分类性能相比于5×5的大卷积核有所提升，因为在相同感受野下，小卷积核得到更少的参数和更强的非线性变换，所以提取特征能力更强。网络I和网络III对比验证了当池化核尺寸大于步长时，产生的重叠池化可提升泛化能力；网络I和网络IV相比，增加层数也就增加模型的复杂度，样本量不够大时，过深网络反而会使分类性能降低。经性能测试分析后，最终选取网络I模型结构的卷积池化层。原网络有3个全连接层，其中2个全连接层的神经元都是4096个，结构一模一样，因此设计模型结构时去除一层全连接层，只用2个全连接层，最终设计网络框架结构和参数分别如图5和表3所示。