论文部分内容阅读
在使用深度卷积网络提取目标图像特征时,卷积网络深度和宽度决定网络性能,与浅层网络相比,深层网络特征提取效果更佳。但由于网络过深,导致误差梯度在反向传播时不能有效指导前层网络权重的更新方向,导致网络训练时间加长和拟合能力变弱。将残差网络结构加入到基于YOLO v2的特征提取网络中,并通过手势识别试验数据验证改进特征提取网络的性能。实验结果表明,在原有的特征提取网络加入残差结构能够有效地提高深度卷积网络模型的性能。