《表2 RPN中的语义特征网络》
本文分别在改进的RPN和Fast R-CNN中增加了语义特征网络,在改进的RPN中,使用三层卷积核对语义特征进行学习。具体训练过程中的参数如表2所示,以锚盒为输入,依次使用3×3×512、3×3×512、1×1×1 024三个卷积核,在卷积操作中,将Padding设置为SAME,不会改变卷积前后特征图的大小,最后输出为1×1×96(12×8)的特征值。其中“12”代表12个锚盒,“8”代表8个语义特征的预测得分。
图表编号 | XD00134497000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 张战成、张大龙、罗晓清 |
绘制单位 | 苏州科技大学电子与信息工程学院、苏州科技大学电子与信息工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |