《表2 融合位置对比:基于深度学习的变电站巡检机器人道路场景识别》
从表1中可以看出,所提出的3种融合结构对网络识别精度都有一定的提升。同时从表1也可推断出结构B融入的特征图较多,使网络出现了过拟合,在训练集中精度较高,但在测试集中精度较低;而结构C与结构A相比,可以推断出C结构融入的特征更有效,使识别效果更好,精度更高。为更好地确定C结构的最优融合位置,选择了不同特征层在不同融合位置的识别精度进行对比,测试结果如表2所示,其中Pool 45+Up 3表示C结构选择pool 4和pool 5层融合后再与unpooling 3融合,其他的以此类推。
图表编号 | XD0069462200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.08 |
作者 | 刘明春、张葛祥、黄占鳌、鲜开义、黄志伟 |
绘制单位 | 西南交通大学电气工程学院、西南交通大学电气工程学院、西南科技大学制造科学与工程学院、北京全路通信信号研究设计院集团有限公司成都分公司 |
更多格式 | 高清、无水印(增值服务) |