《表4 AlexNet-10-SVM全训练和权值迁移对比表》

  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

《基于改进的AlexNet网络模型的遥感图像分类方法研究》

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

因此改进的思路为利用其它数据集训练好的网络模型，将训练好的模型中的权重值赋予训练开始时网络模型中的权重变量，而非随机初始化权重。这一过程称为权值迁移。在训练时不随机初始化网络中的权值，而是利用已有数据集训练好的权值来初始化网络[12]。可以认为，网络中的前几层或者说早期的学习学习到了边缘等浅层特征，后边的层学习到了更高级更本质的细节，这样，权重迁移时也可以让前边的部分层获得已经训练过的参数，后边的层仍然随机初始化，即只微调前边的某些层而非整个网络模型。这样做既可以显著提高训练效率，同时使得相对于庞大网络而显得体量不足的数据集可以在大网络上训练，提取到更加本质的特征，提升分类效果。由于权值迁移用到了经过原始数据集训练好的网络模型中的最终权重值，因此原始数据集的选择肯定会对最终的分类准确率造成影响。ImageNet数据集为涵盖2万多个类别，图像总数达1400多万幅且在不断添加更新中的超大图像数据库，因此用ImageNet数据集作为原始数据集是一个很自然的选择，经它训练过的网络更加容易学习到图像的底层和本质特征，将训练好的模型参数迁移进网络再训练各自领域的数据集时应该会有很好的效果。采用权值迁移方法训练测试UCM数据集的对比结果如表4所示。