《表1 道路特征提取过程:迁移学习下高分快视数据道路快速提取》

《表1 道路特征提取过程:迁移学习下高分快视数据道路快速提取》   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
《迁移学习下高分快视数据道路快速提取》


  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:n@表示连续n次卷积。

为了获得目标迁移网络的最优模型,对本文构建的LinkNet迁移模型进行训练。以ResNet34预训练结构为例,输入图像大小为256×256×3,输出图像大小为256×256×1,过程如表1所示。迁移预训练前33层至LinkNet编码器,原始LinkNet的4个解码单元保持不变,卷积Conv(in_chnl,out_chnl,k,s,p)操作,k表示卷积核尺寸,chnl表示卷积核的通道数量,s为步长,p表示池化操作,in和out分别对应输入和输出。