《表2 所提网络参数设置：基于卷积神经网络的道路监控系统下车辆颜色识别》

  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

《基于卷积神经网络的道路监控系统下车辆颜色识别》

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

本文设计的卷积神经网络结构如图1所示。网络共包含八层，输入是3通道RGB彩色图像，其分辨率为227×227×3。第一卷积层使用尺寸为11×11步幅为4的卷积核，第二卷积层使用尺寸为5×5步幅为2的卷积核，第三层、第四层和第五层均使用尺寸为3×3步幅为1的卷积核，第六层和第七层均使用尺寸为1x1步幅为1的卷积核。我们对所有卷积层进行Re LU激活，并且在第二卷积层、第三卷积层、第四卷积层、第五卷积层之前进行批归一化处理。在第一卷积层、第二卷积层和第五卷积层之后均使用尺寸为3×3步幅为2的卷积核进行最大重叠池化操作，GAP层的内核大小设置为3×3，输出层的神经元数量为8。在本文的方法中，将卷积神经网络架构视为特征提取器，经过若干的卷积层和池化层，最终将所提取的特征向量输入Soft Max中用于车辆颜色识别。该网络的总参数量为840多万，表2显示了不同层的特征尺寸和参数数量。