《表1 ResNet-50特征提取分支》
图像分类领域的研究表明,深层的神经网络能够提取更多的特征,提高检测的准确率[11]。文献[12]中的ResNet-50网络将网络深度增加到50层,并加入跳跃连接(Shortcut Connection)防止网络深度增加时出现梯度消失,在图像分类任务中该网络的表现优于VGG-16网络。为了提高电厂电气设备铭牌文字检测的准确性,文中引入ResNet-50网络替代原算法中的VGG-16网络提取图像特征。改进EAST算法的ResNet-50特征提取分支参数如表1所示,其中第一列表示该网络由五组卷积层Conv1~Conv5组成,第二列表示每组卷积层包含的隐藏层层数,第三列表示每个隐藏层的卷积核结构,该结构由卷积核的数量长度、宽度表示,如Conv1隐藏层的卷积核结构64×7×7表示64个长为7、宽为7的卷积核。
图表编号 | XD0096242100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 孟健、曾宪文、高桂革 |
绘制单位 | 上海电机学院电子信息学院、上海电机学院电子信息学院、上海电机学院电气学院 |
更多格式 | 高清、无水印(增值服务) |