《表1 训练和验证数据集》

  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FTVGG16卷积神经网络的鱼类识别方法》

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

（1） 模型训练:经过预处理后的图像输入到卷积神经网络进行训练，保存训练后的模型参数与结构。模型训练采用k折交叉验证的方式，k取5，将整个数据集的1/k作为测试集，每个模型训练k次，测试k次，误差取k次的平均值，选择误差最小的模型。5折交叉验证示意图如图3所示。数据集的划分使用Python脚本程序，提供划分数据集的比例，程序自动切分数据集以及随机打乱样本。模型每次训练都会随机地从数据集中划分80%的训练集和20%的验证集。2 953幅图像作为训练集，用来训练模型，741幅图像作为验证集，用于调优模型参数、验证模型，1 000幅不带标注的图像作为测试集，用来评价模型在未知数据集上的泛化性能，数据集划分示例如表1所示。