《表2 改进模型图像识别结果》
整个网络是一个7层结构(不包括输入层),包括3层卷积层,2层池化层,2层全连接层,上一层的输出作为下一层的输入。输入层为32*32单通道灰度图,对该图像进行卷积操作得到C1层,采用12个卷积核,尺寸为5*5,步长为1,卷积层的作用是提取原图特征,所以结果称为特征图,每张图像大小为28(32-5+1)。对该层采用最大池化得到S2,池化使用核大小为2*2,步长为2,池化保留了特征图的主要特征,减少了计算量,图像尺寸大小为14((28-2)/2+1)。再次进行卷积操作得到C3层,采用24个卷积核,尺寸为5*5,步长为1,图像尺寸大小为10(14-5+1),池化得到S4的过程和上述得到S2过程相同,图像尺寸为5。继续进行卷积,由于卷积核尺寸和图像尺寸一致,故得到120维向量,继续进行全连接获取图像,最后进行10个节点的全连接,采取softmax作为激活函数,输出结果。将所有训练集数据训练4次,实验结果如表2。
图表编号 | XD007560000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 杨永翌 |
绘制单位 | 长安大学汽车学院 |
更多格式 | 高清、无水印(增值服务) |