《表1 卷积神经网络结构:基于无人机遥感与卷积神经网络的草原物种分类方法》

《表1 卷积神经网络结构:基于无人机遥感与卷积神经网络的草原物种分类方法》   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
《基于无人机遥感与卷积神经网络的草原物种分类方法》


  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

随机生成卷积神经网络模型的初始参数,使用梯度下降法使损失函数(交叉熵代价函数)最小化来逐层反向调节所有参数,通过多次迭代不断提高模型的精度,网络学习到的特征结合Softmax回归分类器实现图像分类。输入图像为特征波段选择后的3波段100像素×100像素的像元邻域,经过4层卷积和4层池化后,输入图像变为128维的矢量输入全连接层,经2层全连接层后输出,输出为样本的类别标签。训练过程中,使用小批量反向传播方法,每一批样本数为10,学习速率设为0.001,迭代次数为30,网络结构的具体参数如表1所示,表中C表示卷积层,P表示池化层,F表示全连接层。