《表1 BCISM的网络结构参数》

  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

《复杂背景下基于图像处理的桥梁裂缝检测算法》

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

BCISM一共由74个卷积层构成，网络模型具体包括由DenseBlock和Transition Down组成的下采样路径，由DenseBlock和Transition Up组成的上采样路径，以及Softmax函数。其中，DenseBlock依次由4，5，7，10，12，10，7，5，4个层构成，每个层由Batch Normalization、ReLU激活函数、3×3卷积和Dropout构成。Dropout是指在深度学习网络的训练过程中，对于神经网络单元，按照一定的概率将其暂时从网络中丢弃，以使每一个batch都在训练不同的网络，网络中Dropout设为0.2。Transition Down的作用是减少特征图的空间维度，由Batch Normalization、ReLU激活函数、1×1卷积与2×2池化操作组成，其中1×1的卷积用于保存特征图的数量，2×2的池化操作用于降低特征图的分辨率，以此来补偿由于网络层数大幅增加造成的特征图数量的线性增长。Transition Up由一个转置卷积构成，作用是恢复输入图像的空间分辨率。转置卷积仅对最后一个DenseBlock的特征图使用，这是由于最后一个DenseBlock综合了所有之前DenseBlock的信息。Softmax函数的作用是输出裂缝与非裂缝的概率。BCISM的网络结构参数如表1所示。