《表5 MResNet-B各模块卷积核的输出特征图个数及需要学习参数》
从表4可以看出,每个模块的参数量很大,为了进一步降低MRes Net-A网络架构的参数,本文综合1) ~4) 的设计原则,按照Lenet9模型架构的设计方法,设计了如图11所示的多尺度小卷积残差模块MRes Net-B,降维模块仍然使用图9(b)所示的降维模块架构。图11中的多尺度小卷积残差模块各卷积核对应的输出特征个数及参数如表5所示。可以看出,虽然模块B1、B2、B3比对应的模块A1、A2、A3使用了更多的卷积核,但是参数量均要小于A1、A2、A3的参数量,图9(a)和图11中的1×1的卷积核步长均为1,3×3、5×5、1×3、3×1采用零填充策略。
图表编号 | XD0057348800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 王飞、张莹、卲豪、张东波、牟清萍 |
绘制单位 | 湘潭大学信息工程学院、湘潭大学信息工程学院、机器人视觉感知与控制技术国家工程实验室、湘潭大学信息工程学院、湘潭大学信息工程学院、机器人视觉感知与控制技术国家工程实验室、湘潭大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |