《表1 神经网络参数设置》

  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

《基于深度残差学习的自动驾驶道路场景理解》

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

除此以外，采用3×3的标准卷积核，使用Re LU激活函数进行激活，其中包含典型的卷积以及最大池化操作。其模型包含50、101层，最多达152层。相比VGG网络结构而言，减少了网络模型参数，并且加入了残差分支，使用块结构管理网络层数。除此以外，该网络具有强大的迁移能力可以很好地完成包括道路分类、车辆检测以及道路分割等多种任务，并且可以根据不同任务以及训练数据量的大小采用不同的网络层数的网络结构。因此，本文采用预训练的残差网络完成图像特征提取任务。表1给出了本实验中所采用的不同网络结构卷积层的详细参数配置情况。因参数众多，本实验均采用在预训练模型的基础上进行调优的做法进行网络参数的微调，以优化模型对特定数据集的适应能力。