《表3 智能巡检产品服务领域及内容》
深度学习算法框架分为3部分:卷积层、目标检测层和NMS筛选层。卷积层采用了VGG16的基础网络,先用一个CNN来提取特征,然后再进行后续的目标定位和目标分类识别。目标检测层由5个卷积层和一个平均池化层组成。每一个卷积层,都会输出不同大小的特征图(feature map)。在这些不同尺度的feature map上,进行目标位置和类别的训练和预测,从而达到多尺度检测的目的。在每个卷积层上都会进行目标检测和分类,最后由NMS进行筛选,输出最终的结果[10]。多尺度feature map上做目标检测,就相当于多了很多宽高比例的边界框(bounding box),可以大大提高泛化能力。筛选层先过滤掉类别概率低于阈值的default box(默认框),再采用NMS非极大值抑制,筛掉重叠度较高的物体。
图表编号 | XD0016461700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.20 |
作者 | 周峰、王兵 |
绘制单位 | 中国电信股份有限公司上海研究院、中国电信集团公司网络运行维护事业部 |
更多格式 | 高清、无水印(增值服务) |