《表1 网络基本特征对比:用于室内环境语义分割的全卷积网络》
首先,对第二部分中经过验证的分类体结构进行卷积处理。选择VGG 16-layer net,并发现它等同于19-layer net的效果。对于GoogLeNet4,只使用最终的损失层,并通过丢弃最后的平均池化层来提高性能。通过丢弃最终的分类层来阻止每个网络的循环,并将所有的全连接层转换为卷积层。同时,附加一个1×1的卷积,通道维数为21,以预测每个粗输出位置的每个PAS-CAL类别(包括背景)的分数,接下来是一个反卷积层,利用双线性上采样将粗输出变为像素稠密输出。表1对初步验证结果和每个网络的基本特征进行了对比。
图表编号 | XD00144846900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 陈森、王世峰、孙琪、刘传义、王开鑫 |
绘制单位 | 长春理工大学光电工程学院、长春理工大学光电工程学院、长春理工大学光电工程学院、长春理工大学光电工程学院、长春理工大学光电工程学院 |
更多格式 | 高清、无水印(增值服务) |