《表4 试验平台搭建：基于卷积神经网络和小样本的茶树病害图像识别》

  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

《基于卷积神经网络和小样本的茶树病害图像识别》

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

试验平台环境搭建参数见表4。AlexNet模型参数设置为:网络初始权重提取自标准差为0.01、均值为0的高斯分布；训练阶段采用动量项为0.9的异步随机梯度下降，并设置权重参数的初始学习率为0.01。试验采用交叉验证的方式，按照9∶1比例随机分配训练集与测试集，且以表2中设计的预处理方法产生的图像样本集分别进行卷积神经网络AlexNet识别模型训练（图6）。试验中每个模型迭代次数为8 000。在输入卷积神经网络前，模式1定位图像被随机裁剪为280×280 dpi，模式2、3和4定位图像被随机裁剪为80×80 dpi，其他3种模式的定位图像被裁剪为40×40 dpi，裁剪完成后作镜像翻转以扩增数据集。