《表2 不同数据集下模型使用不同尺寸卷积核训练精度%》
本文设计的模型当中,池化层均使用最大池化的方法,并且将步长设置为2,每个卷积层后均采用Relu激活函数,增加非线性,第一层的全连接层采用了Dropout策略,可有效防止模型出现过拟合的情况。本文设计的CNN深度学习模型在不同参数下获得训练精度数据如表2。
图表编号 | XD00219390700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 高鑫、刘银华、许玉蕊 |
绘制单位 | 青岛大学自动化学院、青岛大学自动化学院、青岛大学未来研究院、青岛大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |