《表1 CNN卷积层与池化层参数设置》

  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

《基于卷积神经网络的商品图像识别》

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

针对不同条件下采集的烟包图像，构建两层卷积神经网络进行特征抽取与商品图像识别研究，CNN参数记录在表1中。模型输入为预处理后的训练集图像，图像尺寸为64像素×64像素；图像输入后进行两层卷积和池化运算，每次计算所采用的算子模板尺寸为3像素×3像素，图像在卷积和池化过程中逐渐减小尺寸并增加深度，选用最大池化层来缩减模型的大小以加快计算效率，经过池化层2后图像大小为6像素×6像素，深度为64；最后通过全连接层将池化后数据连接并进行分类输出，全连接层将卷积层和池化层输出的所有局部特征重新通过权值矩阵重组图像；输出层的结果个数与商品种类相对应。