《表1 VGGNet-16中5个卷积模块的详细参数》
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
《基于多尺度双线性卷积神经网络的多角度下车型精细识别》
卷积神经网络的多尺度特征融合在深度学习中具有重要的应用。在CNN中,浅层结构学习到了图像的轮廓、纹理等特征,深层结构学习到抽象的语义特征,如果将浅层特征和深层特征进行融合,势必会增强特征的表达能力。Res Net[13-14]的一个重要特性便是融合特性,其中的“短路连接”(Skip Connection)结构相当于将多个残差单元进行了并联,实现了不同尺度特征的融合。Dense Net[15]借鉴了Res Net的融合思想,不同层次间融合的跨度更大,且实现了通道之间的融合。受上述两种网络结构的启发,本文对B-CNN中负责特征提取的子网络B(VGGNet-16)进行了改进,将最后一层卷积的输出和前面卷积块的卷积核的输出作内积,以此达到融合不同层次的特征的目的。VGG16由5个卷积模块组成,表1展示了VGGNet-16[16]中5个卷积模块的详细参数。
图表编号 | XD0090234200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 刘虎、周野、袁家斌 |
绘制单位 | 南京航空航天大学计算机科学与技术学院、南京航空航天大学计算机科学与技术学院、南京航空航天大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |