《表1 卷积层数与正确率的关系》

  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

《基于集成卷积神经网络的交通标志识别》

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

%

CNN的卷积层数对CNN-SVM的性能有很大的影响，对卷积神经网络而言，卷积层数的增加会使得网络对图像特征的提取更加充分，同时也会导致网络过拟合。卷积层数过低导致图像特征提取不充分，影响系统识别率。为了选择合适的卷积层数，本文采用控制变量法，每一层卷积核个数设置为108个，采用随机初始化，然后逐层增加卷积层数来对比不同卷积层数对CNN-SVM识别率的影响。实验数据采用德国交通标志数据库，实验结果如表1。从表1中可以看出，采用本文的CNN-SVM系统，以德国交通标志数据集为研究对象，当卷积层数为3时识别率最高，因此，本系统卷积层采用3层最合适。