《表3 智能巡检产品服务领域及内容》

  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

《基于人工智能的基站巡检应用实践》

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

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。