《表2 不同尺寸和参数的孔卷积对网络性能的影响》

  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DCNN和全连接CRF的舌图像分割算法》

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

本节讨论使用不同尺寸和参数的孔卷积对网络性能的影响。为了便于实验结果的观察，在fc6中使用了一个分支，来代替在ASPP模块中使用的4个分支。如表2所示，在孔卷积层中使用大小为7×7，参数r=2的卷积核。由于卷积核尺寸较大，网络的感受野较大，可以提取更多的特征，分割效果较好，该模型在CRF后的性能为93.29%。但是7×7的卷积核导致网络参数庞大，运行缓慢（训练时每秒1.57幅图像）。通过将核的尺寸减小到5×5（r=2），将模型速度提高到每秒2.47幅图像，将核大小减小到3×3（r=2），将模型速度提高到每秒4.92幅图像。由于减小了卷积核的大小，参数数量大幅减少，运行速度更快。然而感受野的减小导致网络性能下降，分割精度降低。当使用3×3的卷积核（r=2）时，CRF后的模型性能为83.47%。不同参数下的模型结果如图5所示。