《表1 Faster-RCNN各阶段迭代次数》
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
《Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取》
RPN和Fast-RCNN两者都需要一个原始特征提取网络[15]。利用上一步的网络训练得到的检测网络初始化区域的生成网络。用M2初始化RPN训练的得到模型M3,并生成建议区域P2。接下利用M3以及P2训练Fast-RCNN得到最终模型M4,不同的是这一阶段的训练固定了共享的卷积层的参数,只微调区域生成网络的全连接层。由以上训练可知,RPN和Fast-RCNN最终可共用同一个卷积神经网络,结果使得整个提取识别过程转换为既定的卷积运算,即可完成检识提取过程,构生成一个统一的网络,彻底解决了以前存在的时间长开销大的瓶颈问题。每一阶段的迭代次数如表1所示。
图表编号 | XD0060586600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 左俊皓、赵聪、朱晓龙、任洪娥 |
绘制单位 | 东北林业大学信息与计算机工程学院、东北林业大学信息与计算机工程学院、东北林业大学信息与计算机工程学院、东北林业大学信息与计算机工程学院、黑龙江省林业智能装备工程研究中心 |
更多格式 | 高清、无水印(增值服务) |