《表1 不同大小的卷积核性能对比Tab.1 Performance comparison of different convolutional kernel sizes》

  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

《基于深层特征学习的无参考立体图像质量评价》

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

采用3种不同大小的卷积核进行对比实验，测试卷积核大小对评价结果的影响，实验结果见表1。使用的卷积核，取得了最好的评价结果。这是由于的卷积核参数少，使得网络收敛性更好，模型的泛化能力更强。因此，将两个卷积层的卷积核大小都设为3×3，在保证预测效果的前提下，将模型的通用性最大化。CNN提取图像特征可分为模型训练和特征提取两个阶段。