《表1 ResNet50的网络配置》
本文选用ResNet50作为网络基本结构的原因在于,ResNet50比使用卷积层堆叠的CNN,网络层数更深,模型参数更少,特征提取能力更强,其网络配置如表1所示。ResNet50是由多个残差模块堆叠在一起构成,与普通卷积层不同的是,残差模块通过一条直连通道,将输入信息直接传到输出,缓解了CNN在信息传递过程中存在信息丢失的问题,保护了信息的完整性,对存在多个小对象和背景复杂的场景图像,其特征提取能力更强。构成ResNet50的每一个残差模块都是由卷积核大小分别为1×1、3×3、1×1的三个卷积层串联在一起组成,结构如图5所示,图中Conv表示卷积层,BN(Batch Normalization)表示批归一化,ReLu(Rectified Linear Unit)表示线性整流函数。
图表编号 | XD00134493000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 边小勇、费雄君、穆楠 |
绘制单位 | 武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、武汉科技大学大数据科学与工程研究院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) |
更多格式 | 高清、无水印(增值服务) |