《表1 SSD模型卷积层特征图尺寸及感受野尺寸》

  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

《基于深度学习的SSD模型尾矿库自动提取》

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

经过上述分析，本文提出增加额外的卷积层CONV12＿2，并修改原始SSD网络中的CONV1＿2层卷积步长为2的策略以增大特征图的感受野，如图5所示。SSD模型修改前后对应卷积层特征图的分辨率和感受野的变化表1所示。通过修改模型结构，将原始SSD模型最大感受野740个像元提升到2 499个像元，此外每一层卷积层的特征图感受野都得到一定程度的增大，提高卷积层对大型尾矿库完整特征的捕获能力，以此优化SSD模型对尾矿库这类地物的提取精度。