《表1 2种主流分类网络的参数比较》

  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调车机车前方车列图像识别算法》

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

Goog Le Net层数较多，为了回避梯度消失问题，它巧妙地在不同深度的层添加了2个损失函数来确保梯度回传现象的存在，增加了多种内核1×1，3×3，5×5，还有直接加最大池化层的，但是如果直接将这些应用到特征图上的话，合并起来的特征图宽度会很大，所以Goog Le Net为了避免这一现象提出了Inception层。Inception层的基本结构，是在3×3前、5×5前、最大池化层后分别加上了1×1的卷积内核，减少了特征图的宽度，提高了参数的利用率。VGGNet-16和Goog Le Net网络参数的对比见表1。本文提出的调车机车前方车列图像识别模型就使用了Goog Le Net里的Inception层[13]。