10.3969/j.issn.1672-9722.2022.11.030
基于CNN的偏振参量自适应编码网络性能研究
人工选择的偏振参量对于偏振成像视觉任务并不是最佳选择.论文提出了一种偏振参量自适应编码网络,可根据视觉任务的需求编码出最合适的偏振参量图像.该网络由输入单元、多个隐层单元和输出单元构成,隐层单元包含1×1卷积层,ReLU激活层和批量归一化(BN)层.文中研究了不同超参数设置对该网络性能的影响,实验结果表明:1)隐层单元中加入BN层可明显提高网络性能;2)相比于三角形结构,网络形状选择菱形结构更佳;3)网络容量越大,其拟合精度越高,性能越好,同时消耗更多的计算资源,所以在选择网络容量超参数时,不能一直增加网络容量,要综合考虑硬件设备的计算资源或网络的效率要求.
偏振成像、计算机视觉、卷积神经网络、偏振参量
50
TP183(自动化基础理论)
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
2521-2525