《表1 HKU-IS数据集上不同解码卷积层数对检测结果的影响》

  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

《使用密集弱注意力机制的图像显著性检测》

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

注:加粗字体表示各项指标最优值。

模型基准设置为使用ASPP模块，解码卷积层数为1且通道数为64。如表1所示，随着卷积层数增加，检测性能逐渐提高，但当层数大于3时，检测性能反而逐渐下降。一方面，因为随着层数的增加，复杂度逐渐提高，映射能力更强。但层数过多时网络的复杂度过高，致使输入的微小扰动就会使得输出完全不同的结果，鲁棒性降低。另一方面，深度增加导致最后一层卷积核的感受野（RF）增加。感受野决定了卷积计算的结果与多大范围空间的输入相干，感受野越大，接收到的信息越多，一定程度能提高预测准确率。但过大的感受野会接受太多无用信息，不利于局部细节的保持。这说明解码网络深度并非越深越好。