典型文献
感受野约束下轻量化神经网络设计
文献摘要:
针对传统网络模型设计中模型感受野与特征图大小不匹配的问题,该文以待识别的建筑物尺度大小作为先验知识辅助构建模型,在充分融合MobileNetV2和DeepLabV3模型优势的基础上,采用空洞卷积和调整卷积步长搭配的策略,通过调整模型最终感受野与建筑物尺度相契合,构建了感受野约束下的Encoder-Decoder结构网络,即RFNet.利用国产高分二号影像长春市区建筑物数据集对该网络进行了测试,结果表明与参数量占优的模型相比,在交并比接近的情况下,该文的模型参数量降低了 74.6%;在与未考虑感受野与特征相契合的网络相比,交并比提高了 15.24%,表明本文所设计网络模型的有效性.
文献关键词:
感受野;神经网络;建筑物;国产卫星
中图分类号:
作者姓名:
刘文强;蔡国印;张宁;解婉颖;杨柳忠
作者机构:
北京建筑大学测绘与城市空间信息学院,北京 100044;住房和城乡建设部遥感应用中心,北京 100835
文献出处:
引用格式:
[1]刘文强;蔡国印;张宁;解婉颖;杨柳忠-.感受野约束下轻量化神经网络设计)[J].测绘科学,2022(11):155-161,169
A类:
RFNet
B类:
感受野,轻量化神经网络,网络设计,模型设计,特征图,以待,先验知识,知识辅助,构建模型,充分融合,MobileNetV2,DeepLabV3,空洞卷积,整卷,步长,相契,Encoder,Decoder,国产高分二号,高分二号影像,长春市,占优,交并比,模型参数量,设计网,国产卫星
AB值:
0.442954
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。