《表2 钢号识别率对比Tab.2 Steel recognition rate comparison》
笔者将第1级卷积神经网络的卷积核大小设为5×5,步长为1,卷积核个数为6,则卷积后的特征图大小为32×32像素。采样层采样方式为均值采样,接受域为2,最终第1级输出6个大小为16×16像素的特征图。将16×16像素的特征图输入第2级网络,第2级网络包含卷积神经网络和2层递归神经网络。设递归神经网络的个数为K2=30个,递归神经网络接受域为4×4,经过2层运算变为1×1。第2层卷积神经网络的卷积核接受域设置为5×5,步长为1,卷积核个数设置为K3=16个。卷积后的特征图尺寸为12×12像素,采样接受域设置为2×2,采样后的特征图尺寸为6×6,将卷积神经网络输出的特征图与递归神经网络输出的特征图进行特征融合后直接用于分类器进行分类。实验结果如表2所示。
图表编号 | XD006655900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 任伟建、宋月、陈建玲、任璐、孙勤江 |
绘制单位 | 东北石油大学电气信息工程学院、东北石油大学黑龙江省网络化与智能控制重点实验室、东北石油大学电气信息工程学院、东北石油大学黑龙江省网络化与智能控制重点实验室、中海石油(中国)有限公司天津分公司渤海研究院、海洋石油工程股份有限公司设计公司、中海石油(中国)有限公司天津分公司 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 钢号识别率对比Tab.2 Steel recognition rate comparison”的人还看了
- 表2 不同学习率与迭代次数下识别准确率的比较Tab.2 Recognition accuracy comparison under differentlearning rates and iterations