《表2 钢号识别率对比Tab.2 Steel recognition rate comparison》

  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

《基于改进的卷积神经网络的钢号识别》

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

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。