《表2 LeNet神经网络各层参数》
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
《自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术》
输入到第1卷积层C1的是大小为32×32的图像,取6个尺寸为5×5的卷积核,卷积运算后得到6个特征图,C1层中包含的训练参数为6×(5×5+1),即得到的特征图大小为28×28;第1池化层S2中包含6个大小为14×14的特征图,与C1中所对应的大小为2×2特征图的领域相连接;第2卷积层C3中采用16个大小为5×5的卷积核,计算方法同C1类似,得到16个10×10大小的特征图;第2池化层S4采用大小为2×2的采样核,特征图个数为16个,经过池化操作后输出16个5×5大小的特征图;第3卷积层C5中每个神经元与S4中的5×5邻域相连接,输出120个1×1的特征图,使池化层S4与卷积层C5之间构成全连接;全连接层F6中拥有84个隐含节点,与卷积层C5构成全连接;最后在输出层中输出分类结果。各层具体参数如表2所示。
图表编号 | XD0041162100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.01 |
作者 | 程鸿芳、张春友 |
绘制单位 | 芜湖职业技术学院、内蒙古民族大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |