《表1 异构卷积神经网络结构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的人脸活体检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

全连接层有64个神经元组成，最后在全连接层后采用优化后的分类器对人脸活体样本进行分类，融合了Softmax loss和Center loss两种函数，通过联合监督的方式对网络进行训练。一方面Softmax loss函数能够增加类间距离，可以分离出不同类别间的样本特征；另一方面，Center loss函数能够降低类内距离，可以减小同一类别间的样本特征。与传统卷积神经网络相比，该方法可以通过增加不同类样本间的距离提高网络类间的区分性能，且操作简单，易于训练，无需对输入样本做过多预处理。为了更清晰和直观地了解到各层之间的参数大小运算，表1详细阐述了各层之间输入和输出特征图的大小等信息。