《表2 网络模型的前七层设置》

  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

《基于卷积Hopfield网络的运动目标检测模型》

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

基于Darknet网络的YOLO[7]在实时目标检测中是很有优势的，但是检测精度和对小目标的检测结果并不是很如意，虽然后续有YOLOv2和YOLOv3对其短板有所改进，但是由于原理上的限制，其只对最后一层结果进行检测，因此在获取细小目标时效率不高，将本文提出的新单元与其结合，形成具有存储信息的记忆单元，并且HNN的周围神经元能够相互反馈，使空间信息的提取效率得到极大提高，相邻帧间的信息补充时间上的信息传递，能获得更全的信息，将其中conv层的滤波器转换成本文的L-C C-HNN小单元，将其中所有的池化去除，在第一层中仍然保留32个3×3的卷积核，去掉池化层后，用局部连接的HNN代替，然后下一层保留64个3×3的卷积核，依然用局部连接的HNN代替池化，将下一层卷积（该层128个卷积核）之后的卷积层保留，再卷积之后再增加一个局部连接的HNN层。以输入n×224×224的序列为例，有改动的前几层设置如表2所示: