《表1 训练集、验证集、测试集数量分布表》

  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

《基于深度学习的小龙虾分级算法》

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

拍摄小龙虾，建立训练数据拍摄要求相机距离地面30cm，构建原始干净图像数据集并进行人工标注等级，在原始干净图像数据集基础上分别合成高斯噪声图像数据集和椒盐噪声图像数据集，并对构建的3个数据集分别进行训练集/验证集/测试集的随机划分，数据集划分的比率为训练集:验证集:测试集=6:2:2。训练数据是等级为“大”、“中”和“小”的小龙虾，每类采集565个样本，共565×3=1695（个）样本，并把每一类的样本按照比例6:2:2随机划分成训练集、验证集和测试集，即339:113:113个样本。椒盐噪声是数字图像中的常见噪声，一般是由图像传感器、传输信道及解码处理等产生的黑白相见的亮暗点噪声，常由图像切割产生。它是一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。盐和胡椒噪声的成因可能是影像讯号受到突如其来的强烈干扰而产生、类比数位转换器或位元传输错误等。例如失效的感应器导致像素值为最小值，饱和的感应器导致像素值为最大值，通过MATLAB加入方差为0.4的椒盐噪声以验证噪声对于实验结果的影响程度。高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声，在数字图像中的高斯噪声的主要来源出现在采集期间。由于不良照明或高温引起的传感器噪声。在数字图像处理中，可以使用空间滤波器来降低高斯噪声，但是当对图像进行平滑时，结果可能导致精细缩放的图像边缘和细节的模糊，因为它们也对应于被阻挡的高频。通过MATLAB随机加入方差为0.1的高斯噪声以模拟数字采集时图像可能存在的高斯噪声对于实验结果的影响，清晰图像，加入高斯噪声、椒盐噪声图像如图3。