《表3 GPU内存占用：基于深度学习的图像实例分割》

  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

《基于深度学习的图像实例分割》

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

Mask-R-CNN掩码分支网络的前四层卷积层中的每层卷积核参数数量为256×256×3×3，偏置b的数量为256。反卷积层卷积核参数数量为256×256×2×2，偏置b的数量为256。最后一层卷积层参数数量为256×7×1×1，偏置b的数量为7。重新设计后的模型掩码分支网络分为六层，前两层卷积核参数数量均为256×3×3+256×256×1×1，偏置b的数量均为256+256。上采样层的参数数量为256×256×1×1+256。第四层卷积核参数数量为256×3×3+256×64×1×1，偏置b的数量为64+64，第五层反卷积层卷积核参数数量为64×64×2×2，偏置b的数量为64，最后一层卷积核参数数量为7×64×1×1，偏置b的数量为7。统计分别使用Mask-R-CNN和本文的模型进行训练时显存的占用，每次GPU处理一张图片，表3结果显示本文的模型需要更小的显存占用。