《表1 异构卷积神经网络结构》
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。
图表编号 | XD00115022700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.01 |
作者 | 卢鑫、田莹 |
绘制单位 | 辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |