《表1 改进前ZF模型具体参数》

  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

《基于级联式Faster RCNN的三维目标最优抓取方法研究》

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

由于深度学习网络本身的特点，随着层数加深，分辨率随之下降，即在做预测时，特征图的一个像素点相当于原图中多个像素点，且随着层数变深，对应的像素点个数也随之变多，也就更容易忽略成像小的物体。原来ZF模型，如图2所示，每经过一层卷积层和池化层，特征图的尺寸都缩小1/2，即经过前面4层后特征图像尺寸缩小到原来的1/16，这容易导致成像小的物体的图像特征丢失。为了能识别任意大小的成像物体，特别是成像小的物体，本文提出了改进的特征提取层结构，如图5所示。取消了原ZF模型中池化层2，在卷积层4后面增加一个池化层4，并调整卷积层2和4的卷积核尺寸和步长。改进前和改进后ZF模型的具体参数和特征图尺寸分别如表1和2所示。