《表1 不含空间特征编码的多任务网络的结构》
多任务学习是对特征提取器捕获的特征进行共享,检测器的性能很大程度上依赖于特征提取器的性能[34],即更好的主干网络可以带来更好的检测性能.LDNet-SFE的主干网络的首层卷积层的步长为2,并采用7×7的卷积核尺寸,通过设计更小的步长和卷积核尺寸来学习更多的浅层特征[35];第二层卷积层的步长为2,使模型满足网络输出所需要的大小;为了进一步精简网络,我们的主干网络没有局部响应归一化操作.不含空间特征编码的多任务网络的参数如表1所示.
图表编号 | XD00157819200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 赵振东、邵振洲、谢劼欣、施智平、关永 |
绘制单位 | 首都师范大学信息工程学院、成像技术北京市高精尖创新中心、首都师范大学信息工程学院、首都师范大学轻型工业机器人与安全验证北京市重点实验室、首都师范大学信息工程学院、首都师范大学轻型工业机器人与安全验证北京市重点实验室、首都师范大学信息工程学院、成像技术北京市高精尖创新中心、首都师范大学信息工程学院、首都师范大学轻型工业机器人与安全验证北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |