《表1 改进后网络配置细节》

  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

《多通道交叉融合的深度残差网络脱机手写汉字识别》

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

以图1（b）为例，其中有4个分支:由于1×1卷积可以跨通道组织信息，提高网络的表达能力，同时还可以起到对输出通道升维和降维的作用，因此每一个分支首先分别对输入进行1×1卷积操作；然后，针对每一个输出通道只能对应一个滤波器，同一个滤波器参数共享，只能提取一类特征的问题，分别对其中右侧三个分支进行卷积、池化或仅卷积操作得到6组不同特征，再将这6组特征进行两两交叉融合，从而实现了特征的多通道交叉融合，丰富了特征语义.在卷积或池化过程中加入了批标准化（Batch Normalization，BN）算法，进一步使得网络训练速度加快，同时收敛后的分类准确度有一定程度的提高，并加入Relu激活函数以增加神经网络各层之间的非线性关系；最后，将融合后的特征分别经过1×1、3×3、5×5卷积后与左侧第以一个分支在输出通道维度上通过一个聚合操作，再将聚合后的卷积层与输出相加得到模块的输出.具体网络细节如表1所示.