《表1 DBCC模型的输入层至第2池化层各层的具体模型构建参数》

  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

《基于深度学习的桥梁裂缝检测算法研究》

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

在卷积层中，每一个卷积核都可以被看成一个特征提取器，卷积层中每一幅输出的特征映射图（Feature map）都可以被看成输入图像经过一个卷积核进行特征提取之后的结果，但是通过对各卷积层的输出结果进行可视化对比可知，并不是每一个卷积核都可以成功提取输入图像的特征，从而得到有效的特征表达（特征映射图）.如图7（a）为DBCC模型第一卷积层的可视化结果，图7（b）为第4卷积层前128个特征映射图的可视化结果.因此，为了增强卷积层的特征表达能力，对输入图像的特征进行充分的提取，本文在DBCC-C模型的各卷积层中使用了更多的卷积核，并且基于这一改进，提出了DBCC-D模型.其具体构建的参数如表1和表2中的第5行参数所示.