《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》

  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

《用于室内环境语义分割的全卷积网络》

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

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。