基于多支路卷積網(wǎng)絡的圖像識別和語義分割研究
【文章頁數(shù)】:69 頁
【學位級別】:碩士
【部分圖文】:
圖2.1VGG16在圖像分類上的可視化效果
圖像分類任務是卷積神經(jīng)網(wǎng)絡(CNN)最直接的應用,由于幾乎所有其它的計算機視覺任務都是以圖像分類作為基礎的,所以提高卷積神經(jīng)網(wǎng)絡的特征表達能力是極其重要的研究課題。本章提出了一個簡單但十分高效的并行卷積神經(jīng)網(wǎng)絡框架,該框架借鑒了對抗學習的思想,通過引入一個判別器網(wǎng)絡,使用一種新穎....
圖2.2典型生成對抗網(wǎng)絡示意圖
圖2.2典型生成對抗網(wǎng)絡示意圖隨著這幾年生成對抗網(wǎng)絡領域的研究的發(fā)展,其已經(jīng)廣泛的應用于各種覺任務,并不僅僅局限于圖像生成,例如風格遷移,目標檢測,語義分割再識別。D-PCN方法
圖2.3D-PCN結(jié)構(gòu)示意圖
圖2.3D-PCN結(jié)構(gòu)示意圖在D-PCN中,有多個并行的卷積神經(jīng)網(wǎng)絡(如果未作特殊說明,下文的D-PCN皆只有2個結(jié)構(gòu)相同的并行網(wǎng)絡),一個判別器,以及一個額外的分類網(wǎng)絡,整體結(jié)構(gòu)如圖2.3。兩個子網(wǎng)絡的分類器僅僅是為了訓練過程中產(chǎn)生誤差值進行參數(shù)更新,在預測階....
圖2.4基于ResNet-20的D-PCN結(jié)構(gòu)
華中科技大學碩士學位論文公式(2.3)中的12分別指代兩個子網(wǎng)絡的特征提取器,其作用類似于生成對抗網(wǎng)絡中的生成器,1()2()分別指代特征提取器學習到的特征。在公式(2.3中,不同于生成對抗網(wǎng)絡中最小化max,我們實質(zhì)是最大....
本文編號:4002973
本文鏈接:http://www.lk138.cn/kejilunwen/shengwushengchang/4002973.html