经过 1×1 卷积后，输出通道数等于类别数，然后通过 torch.mean(x, dim=2) 去除高度维度，得到形状 [B, class_num, T] 的 logits。这是一个轻量级的残差块变体，采用 1×1 卷积降维 → 非对称卷积（3×1 和 1×3）→ 1×1 卷积升维 的结构。非对称卷积可以在保持感受野的同时减少参数量，同时适应车牌字符的细长形状。最终骨干网络的输出是一个形状为 [B, class_num, 1, T] 的特征图，其中 T = 21 是时序长度（对应车牌字符的最大可能个数）。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/249401.html