《表2 标准卷积核与异构卷积核在NUAA数据库中的对比》

  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

实验首先对NUAA数据库进行了数据增强以及归一化的预处理，将处理后的数据通过异构卷积神经网络进行特征学习，并将结果作为二分类问题进行决策。为验证提出算法的有效性引入了准确率、损失率和耗时作为评价模型的指标，将学习率调整为1×10-4，批量尺寸设置为8。通过大量实验调试得出当epoch数量为50时模型逐渐趋于稳定，并且当epoch数量大于50时，开始出现过拟合现象，因此实验对比了epoch数量为50时的各项指标。实验分别使用标准卷积核与异构卷积核在NUAA数据集上进行实验，其中训练集取总样本的75%，测试集为总样本的25%，实验数据如表2所示。基于异构卷积神经网络算法在NUAA数据集上与使用标准卷积核算法相比准确率提高了1.41%，损失率下降了0.02%，耗时显著减少，模型效率得到有效提升。