《表1 深度卷积神经网络参数列表》

  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

《基于深度卷积特征的水下目标智能识别方法》

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

首先对上述目标领域数据集进行图像滤波和局部增强预处理，将其作为二次迁移训练的输入数据。按照3.3节的设计原则进行网络设计，同时水下目标识别初始模型应该与Cifar-10数据集相匹配，随着网络层数的递增，Cifar-10训练集准确率逐渐增加，当超过网络10层后训练准确率达到100%，并不再变动，出现了过拟合现象。为了防止过拟合，水下目标识别初始模型层数设计为10层。一次训练过程中DCNN结构如表1所示。