《表1 上部网络（UpNet）的网络参数》

  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

《基于特征融合卷积神经网络的车型精细识别》

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

从图1中可以看出上部网络（UpNet）被设计成浅层网络，主要用于提取车辆非面部的局部以及全局特征。上部网络（UpNet）主要设计有1个输入层、1个TraConv1＿0层、2个特殊结构单元MlpConv1＿1、MlpConv1＿2。为保留更多的轮廓信息，在TraConv1＿0层中使用5*5大尺寸卷积核用于提取车辆非面部粗糙轮廓特征，同时使用1*1小尺寸卷积核用于进一步细粒度特征提取以及使用最大池化层进行降维操作。两个特殊结构单元MlpConv1＿1、MlpConv1＿2具有相同的结构，不同之处在于MlpConv1＿1层中的第一个卷积层的步长以及填充分别设为2和0，而在MlpConv1＿2中第一个卷积层的步长以及填充分别被设计为1和1。具体网络参数见表1。为便于理解，下文将以MlpConv1＿1作为阐述对象用来分析这种特殊结构单元的组成和作用。