·1602 工程科学学报，第42卷，第12期 图6、图7和图8是使用VGGNet16及其变式 文的研究中图8使用的Mean-pooling和图7使用 运用控制变量法进行的对比实验.和前面的Conv- Max-pooling相比，准确率上有所提高，模型的收敛 3模型的结果一样，三种模型在训练集和验证集 和稳定性也较好 的Loss曲线和Accuracy曲线均收敛，充分证明了 使用训练得到的4种模型，在4800个测试集 本文获取的地形特征数值矩阵数据集是可训练 上进行预测，表2是预测得到的准确率的结果.可 的.另外，图6和图7可以得出，VGGNet 16使用 以得出，4种模型可靠性都比较高，使用VGGNet 5×5和使用3×3的卷积核相比在模型准确率上更 16(5×5,Mean-pooling)上的准确率为0.8346，分类 高，且收敛性更好.由图7和图8可以得出，在本 效果最好 0.52 (a) 0.80b) 0.50 0.79 0.78 0.48 046 意0nh 0.44 心心 -Train -Train -Validation 0.74 -Validation 0.42 0.73 V 0.40 0.72 0 20 40 60 80 100 0 20 40 60 80 100 Epochs Epochs 图6 VGGNet16损失曲线(a)和准确率(b) Fig.6 VGGNet 16 loss (a)and accuracy (b) 0.82 (a) (b) 0.52 0.50 0.80 0.46 -Train 0.76 -Train 0.44 Validation -Validation 0.42 0.74 0 20 40 60 80 100 0 20 40 60 80 100 Epochs Epochs 图7 VGGNet 16(5×5,Max-pooling)损失曲线(a)和准确率(b) Fig.7 VGGNet 16(5x5,Max-pooling)loss(a)and accuracy (b) 0.84r (a) (b) 0.52 0.82 0.50 0.48 0.46 -Train 0.78 0.44 -Train 0.42 WN人 -Validation -Validation 0.76 0.40 20 40 60 80 100 0 20 40 60 80 100 Epochs Epochs 图8 VGGNet16(Sx5,Mean-pooling)损失曲线(a)和准确率(b) Fig.8 VGGNet 16(5x5,Mean-pooling)loss (a)and accuracy (b)图 6、图 7 和图 8 是使用 VGGNet 16 及其变式 运用控制变量法进行的对比实验. 和前面的 Conv- 3 模型的结果一样，三种模型在训练集和验证集 的 Loss 曲线和 Accuracy 曲线均收敛，充分证明了 本文获取的地形特征数值矩阵数据集是可训练 的. 另外，图 6 和图 7 可以得出，VGGNet 16 使用 5×5 和使用 3×3 的卷积核相比在模型准确率上更 高，且收敛性更好. 由图 7 和图 8 可以得出，在本 文的研究中图 8 使用的 Mean-pooling 和图 7 使用 Max-pooling 相比，准确率上有所提高，模型的收敛 和稳定性也较好. 使用训练得到的 4 种模型，在 4800 个测试集 上进行预测，表 2 是预测得到的准确率的结果. 可 以得出，4 种模型可靠性都比较高，使用 VGGNet 16(5×5，Mean-pooling) 上的准确率为 0.8346，分类 效果最好. 0.52 Train Validation 0.50 0.48 0.80 0.46 0.79 0.44 0.78 0.40 0.42 0 20 40 Epochs Loss Epochs Accuracy 60 80 100 0.77 0.76 0.75 0.74 0.73 0.72 0 20 40 60 80 100 Train Validation (a) (b) 图 6    VGGNet 16 损失曲线（a）和准确率（b） Fig.6    VGGNet 16 loss (a) and accuracy (b) 0.52 Train Validation 0.50 0.48 0.82 0.46 0.80 0.44 0.78 0.42 0 20 40 Epochs Loss Epochs Accuracy 60 80 100 0.76 0.74 0 20 40 60 80 100 Train Validation (a) (b) 图 7    VGGNet 16（5×5，Max-pooling）损失曲线（a）和准确率（b） Fig.7    VGGNet 16 (5×5, Max-pooling) loss (a) and accuracy (b) 0.52 Train Validation 0.50 0.48 0.82 0.46 0.80 0.44 0.78 0.42 0.40 0 20 40 Epochs Loss Epochs Accuracy 60 80 100 0.76 0.84 0 20 40 60 80 100 Train Validation (a) (b) 图 8    VGGNet 16（5×5，Mean-pooling）损失曲线（a）和准确率（b） Fig.8    VGGNet 16 (5×5, Mean-pooling) loss (a) and accuracy (b) · 1602 · 工程科学学报，第 42 卷，第 12 期