《表3 不同网络结构测试误差》

  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

《基于视频的三维人体姿态估计》

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

接下来对本文设计的网络各个部分进行深入分析，表3给出了不同的网络设计对最终测试误差的影响。Dropout[22]正则化是最简单的网络正则化方法:通过任意丢弃网络层中的参数来减少神经元之间复杂的共适应关系，迫使网络去学习更加鲁棒的特征，缓解过拟合的发生，起到正则化的作用。然而加入Dropout反而增加了大约10 mm的误差，分析原因，可能由于Dropout随机删除卷积层参数，破坏了一维卷积提取时序信息的连续特征过程。与此同时，BN层的加入减少了14.9 mm的测试误差，大幅提高了网络的泛化性能。另外，残差连接的设计也为本文的网络带来了0.6 mm误差的减小。