产品展示 Categories
联系我们 contact us
- 联系人:
- 陆先生
- 手机:
- 15895595058
- 电话:
- 0512-58628685
- 地址:
- 张家港市南丰镇
烟雾检测的应用-电动折弯机数控滚圆机滚弧机张
添加时间:2019-06-09

采集
转载中国知网整理! http://www.gunyuanjixie.com网络在某种确定的损失函数和随机梯度下降算法的指导下不断更新卷积层提供的权重参数,使权重更趋向于正确的分类界面。常规的卷积运算如图1所示,在计算时使用卷积核的权重参数遍历每个输入通道得到特征图,再叠加每个输入通道对应的特征图后获得一个完整的特征图。这一过程涉及的参数和计算量非常大,因此,2017年谷歌提出了一种轻量级的卷积神经网络:MobileNet[9],可将常规卷积结构转换为深度可分离卷积结构,这种新的卷积结构在准确率基本不变的情况下,计算速度提高了9倍,参数数量降为原来的七分之一。深度可分离卷积结构可以分为两层卷积层,分别为深度卷积层和逐点卷积层。如图2所示,深度卷积对每个输入通道进行独立的空间卷积,去除了叠加特征图的步骤;逐点卷积运算与常规的卷积运算相同,只将卷积核的尺寸固定为1×1。深度可分离卷积将空间特征和通道特征的学习进行分离的做法,减少了权重参数数量,降低了网络的计算量。!"#$%&!’()*+,-./01图1常规卷积运算Fig.图2深度可分离卷积运算2批量归一化层在卷积神经网络中,卷积运算后特征图的数据分布会发生极大的变化,这种不可控的改变增加了网络训练学习的难度。批量归一化有效地解决了这个问题并能够抑制训练过拟合现象,输入的特征图在卷积计算后进行批量归一化,使其数据分布趋向于一烟雾检测的应用-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机本文由公司网站滚圆机网站
采集
转载中国知网整理! http://www.gunyuanjixie.com