《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》
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。
图表编号 | XD0035564600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.28 |
作者 | 孙云云、江朝晖、董伟、张立平、饶元、李绍稳 |
绘制单位 | 安徽农业大学信息与计算机学院、安徽农业大学信息与计算机学院、安徽省农业科学院农业经济与信息研究所、安徽省农业科学院农业经济与信息研究所、安徽农业大学信息与计算机学院、安徽农业大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |