《表1 图像数据集划分:改进卷积神经网络在图像烟雾检测的应用》
将2.1节所获取的图像随机分为3个数据集,分别为训练数据集,测试数据集和验证数据集。具体划分情况见表1。网络的所有参数以均值为零,标准差为0.01的高斯分布生成的随机数进行初始化,网络优化算法采用了AdaDelta梯度下降算法[12],对比起原始的梯度下降算法,该算法能够动态地调整学习率,并且不用设置初始化学习率这一超参。每次训练输入的图像数量为64,输入图像尺寸为64×64×3,批量归一化时设置衰减度和epsilon为0.05和0.01。停止训练的标准为通过对验证数据集的检验判定网络是否训练完成,网络的性能评判通过对测试数据集进行校验比较,判别标准为准确率和误检率。其中,准确率为烟雾图像和非烟雾图像准确判断的数量与测试数据集图像总数量的比值,误检率为非烟雾图像被错误判断的数量与非烟雾图像总数量的比值,准确率越高,误检率越低,网络的性能越好。
图表编号 | XD0050506500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 魏伟航、马乾力、高治良、赵锦成 |
绘制单位 | 深圳市微纳集成电路与系统应用研究院、深圳市微纳集成电路与系统应用研究院、深圳市微纳集成电路与系统应用研究院、深圳市微纳集成电路与系统应用研究院 |
更多格式 | 高清、无水印(增值服务) |