Deep-Learning-Approach-for-Surface-Defect-Detection
Deep-Learning-Approach-for-Surface-Defect-Detection copied to clipboard
Published
20 hours ago •
ShuaiLYU
ShuaiLYU
Decision Network输出端与论文描述似乎不符
你好！ 在阅读model.py 时发现，代码中decision network的输出是对66x1维的特征计算softmax值（相当于作为一个66类的分类问题处理），最后输出实际上是概率最大的类别的索引。但论文中的描述是对66x1维的向量进行加权进而得到一个概率值，对应的应该是1个沿着channel进行的1x1卷积操作。 vector=tf.concat([vector1,vector2,vector3,vector4],axis=3) vector=tf.squeeze(vector,axis=[1,2]) logits = slim.fully_connected(vector, num_classes,activation_fn=None) output=tf.argmax(logits,axis=1)
