《表1 CNN模型各卷积层滤波器尺寸》

  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

《多结构卷积神经网络特征级联的高分影像土地利用分类》

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

注：11×11×3×96表示该卷积层滤波器由96个11×11×3的矩阵构成，其他类同

本文基于MatConvNet[24]深度学习框架，根据CNN利用小样本数据集进行微调的特点和CNN中滤波器尺寸差异（如表1所示），选择了CaffeNet、VGG-S、VGG-F作为实验模型。其中CaffeNet的滤波器尺寸较大，数量多，网络结构简单，在分类和训练方面的运行速度较快；VGG-S网络构成和参数数量相对复杂，滤波器的特点为尺寸小但数量多，有助于充分提取图像信息，但处理速度较慢；VGG-F的网络结构与CaffeNet类似，滤波器构成具有尺寸大、参数量少的特点，因此图片处理速度快。本文流程如图1所示，图中COV表示卷积层，FULC表示全连接层。