A graphical representation of this

A graphical representation of this Local-DNN model is shown in Fig. 1. As it can be seen, several patches are extracted from the input image and then are fed into a DNN. The network is formed by an input layer and several fully connected hidden layers. An output layer with C softmax units, that represents the posterior probability of each local patch. Finally, local posteriors are fused at the end. During training, the network works at a patch level by learning to classify each patch with the label of the image that it belongs. During testing all the contributions from the patches extracted of the image are combined in order to classify this image with a final label.

ผลลัพธ์ (ไทย) 1:

ภาพแสดงแบบจำลองท้องถิ่น-DNN นี้แสดงใน Fig. 1 สามารถเห็นมัน แพทช์หลายแยกจากภาพเข้าแล้ว จะได้รับเป็น DNN เครือข่ายจะเกิดขึ้นจากการเข้าชั้น และหลายอย่างเชื่อมต่อชั้นซ่อน การแสดงผลชั้นกับ C softmax หน่วย ที่แสดงถึงความน่าเป็นหลังของแพทช์แต่ละท้องถิ่น สุดท้าย posteriors ท้องถิ่นมี fused ท้าย ในระหว่างการฝึกอบรม เครือข่ายงานที่อยู่ในระดับปรับปรุง โดยเรียนรู้การจัดประเภทแต่ละแพทช์ ด้วยป้ายชื่อของภาพที่ได้เป็นสมาชิก ในระหว่างการทดสอบการจัดสรรทั้งหมดจากโปรแกรมแยกภาพจะรวมการจัดประเภทภาพนี้เป็นป้ายสุดท้าย

ผลลัพธ์ (ไทย) 2:

การแสดงกราฟิกของรุ่นนี้ DNN ท้องถิ่นแสดงในรูป 1. ในขณะที่มันสามารถมองเห็นแพทช์หลายที่สกัดจากภาพที่นำเข้าแล้วจะถูกป้อนเข้า DNN เครือข่ายที่จะเกิดขึ้นโดยชั้นการป้อนข้อมูลและเชื่อมต่ออย่างเต็มที่หลายชั้นซ่อน ชั้นการส่งออกด้วย C หน่วย softmax ที่แสดงให้เห็นถึงความน่าจะเป็นหลังของแพทช์แต่ละท้องถิ่น สุดท้าย posteriors ท้องถิ่นกำลังหลอมละลายในตอนท้าย ระหว่างการฝึกอบรมเครือข่ายการทำงานในระดับแพทช์โดยการเรียนรู้ที่จะจัดแพทช์แต่ละคนมีป้ายชื่อของภาพที่มันเป็น ในระหว่างการทดสอบผลงานทั้งหมดจากแพทช์ที่สกัดของภาพที่จะรวมกันเพื่อที่จะจัดภาพนี้กับป้ายสุดท้าย

ผลลัพธ์ (ไทย) 3:

แสดงกราฟิกรูปแบบนี้จะแสดงในรูป dnn ท้องถิ่น 1 มันสามารถเห็นได้หลายแพทช์ได้จากภาพที่ป้อนแล้วป้อนเข้า dnn . เครือข่ายที่เกิดขึ้นโดยชั้นข้อมูลหลายชั้นซ่อนและพร้อมเชื่อมต่อ . ชั้นออกด้วย C softmax หน่วยที่แสดงถึงความน่าจะเป็นของแต่ละท้องถิ่นของแพทช์ ในที่สุดposteriors ท้องถิ่นรวมที่สิ้นสุด ในระหว่างการฝึกอบรม เครือข่ายทำงานที่แพทช์ระดับ โดยการเรียนรู้ที่จะจำแนกแต่ละแพทช์ที่มีป้ายชื่อของภาพว่ามันเป็นของ ในระหว่างการทดสอบผลงานทั้งหมดจากรอยแยกของภาพจะรวมกันเพื่อแยกภาพนี้เป็นป้ายสุดท้าย