企业新闻
当前位置:主页 > 新闻资讯 > 企业新闻 >
小白鼠解剖器械进口的怎么样?
来源:未知 |发布时间:2021-07-12 14:30|点击:
  轻量化CenterNet算法改进小白鼠解剖器械
  
  2.1简化CenterNet网络
  
  网络结构与原网络结构中的其它主干网络(HourglassNetwork和DLA-34)相比,网络层数相对较浅,网络的参数量与计算的复杂度相对较低,但是在面对检测实验鼠这样一个单一且相对简单的目标检测任务时,此网络还是较显冗余,因此,本文在原网络结构基础上重构主干网络,减少网络的计算复杂度,并且为了在浅层网络下也能保证模型的准确率,小白鼠解剖器械在网络中添加SENet注意力模块。
  小白鼠解剖器械
  本文按照CenterNet的网络框架重新组构了主干网络,如图2所示,考虑到网络深度对检测效果的影响,理论上来说,在一定范围内网络层数越多,深度越深,准确率就会越高,但网络深度在达到一个阈值后,虽然准确率还在增加,但增加的非常缓慢,而网络的参数量却一直在上升,并且要符合原网络4倍下采样的要求,因此,在综合考虑并且实验验证下,本文所改进的主干网络选用9层卷积层和1层池化层,在此改进结构下,小白鼠解剖器械进口的好吗?模型在保证准确率的同时,最大限度的简化了模型的结构。
  
  图1与图2进行相比,图2中简化的网络结构舍弃了图1中原网络的残差结构和上采样层,将网络压缩到9层卷积层和1层池化层,减少了网络的参数量与计算量。
  
  2.2SENet注意力模块
  
  SENet(Squeeze-and-ExcitationNetworks)是ImageNet2017的冠军模型,SENet模型参数少,复杂度低,并且在一定程度上减少了模型的错误率,模型结构如图3所示,SENet主要由Squeeze和Excitation两部分组成,可以获得更大的感受区域面积和不同重要性的特征通道。小白鼠解剖器械进口的好吗?在网络结构中,使用SENet注意力模块可以得到具有不同权值的特征通道,根据这些带权值的特征通道可以抑制某些无效的特征信息,避免了特征图信息以同等的重要性作为下一层的输入,可以提高网络模型学习的效率。
  
  2.3改进的网络结构
  
  改进后网络结构如图4所示,输入图片大小为384×384,网络通过4倍下采样得到Heatmap、中心点偏置(x和y)和目标预测的宽与高经过SENet注意力模块赋予通道的不同权值,并将此输出作为下一层的输入,更有利于网络学习实验鼠的特征,提高网络的准确率。
  
  由图4可知,改进后的网络结构有9层卷积层、1层池化层和SENet注意力模块,通道注意力模块放在maxpool层之后,卷积层之前,将注意力模型产生的具有不同权值的特征通道作为输入再进行卷积,进一步提升对检测有用的特征,并相应抑制对当前任务作用小的特征。
  
  2.4损失函数
  
  损失函数由三部分组成,分别是中心点预测的损失函数、中心点偏置损失函数和目标的宽高损失函数。
  
  中心点预测的损失函数采用FocalLoss公式。
  
  (1)为FocalLoss损失函数的具体形式:otherwise
  小白鼠解剖器械
  (1)在上式中,α=2与β=4为设置的超参数,N为图像中的关键点数量,小白鼠解剖器械进口的好吗?其中Yxyc高斯核函数生成的热点图,此处的损失函数可以抑制训练过程中简单样本的训练比重,增加困难样本的训练比重,有利于网络更好的学习。
  
  中心点偏置损失采用L1损失函数,公式(2)为L1损失函数的具体形式:
  
  (2)这里的R=4为下采样倍数,pR为下采样后坐标的真实值,p采样后的整数坐标,O∧p~为预测出的偏置,特征图映射回原始图像上时,就会给中心点位置带来一定的误差,精度就会受到影响,因此就需要中心点的偏置损失。目标大小的损失函数也使用L1损失函数,公式(3)为目标大小的损失函数。
  
  (3)其中sk为下采样之后的真实长宽值,S∧Pk为预测值。
  
  整体的损失函数为目标中心点损失、小白鼠解剖器械中心点偏置损失和目标大小损失的和,公式(4)为整体的损失函数形式:L=Lk+λsizeLsize+λoffLoff
  
  (4)其中λsize=0.1,λoff=1。
  
  此文字最终解释权归河南宜慧康科技有限公司所有:详情请咨询河南宜慧康科技有限公司官网。

在线客服

  • 客服一: QQ
  • 客服二: QQ
  • 客服三: QQ
  • 0371-55692663
  • 13213170223