《表1 测试识别率和平均识别率》
/ (%)
CNN模型选用在ImageNet预训练好的VGG16模型,针对现有分类问题进行微调(fine-tuning),原因是自己从头开始训练VGG16容易出现问题,fine-tuning初始化自己的网络能使网络较快收敛。把输入图片宽高随机修剪为224×224,为提高内存利用率,batchsize设置为256。为了减小网络收敛时在最优值附近小幅度波动,而不设定固定学习率,采取随着迭代次数增加逐渐减小学习率的方法,不同阶段学习率分别设置为:10-2、10-3、10-4。表1是原始数据集、数据集扩充和图像增强300次快拍训练得到模型在测试集上的准确率与平均准确率结果。
图表编号 | XD0077397700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.10 |
作者 | 徐鹏程、刘本永 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学智能信息处理研究所、贵州大学大数据与信息工程学院、贵州大学智能信息处理研究所 |
更多格式 | 高清、无水印(增值服务) |