《表2 Hair-Net的配置参数》

  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

《基于改进卷积神经网络的毛发显微图像自动分类》

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

针对建立的毛发显微图像数据集，提出一种新的卷积神经网络结构Hair-Net，具体网络配置如图3和表2所示。第一卷积层采用9×9的卷积核，便于提取细节特征，再使用两层3×3卷积核增加网络深度，在不增添计算量的同时保证网络训练速度，模型在每层卷积后连上ReLU激活函数；由于毛发显微图像的分类需要依靠毛发细节纹理形状，因此池化层全部采用最大池化，利于训练过程中对毛发特征的提取，将第二个全连接层（FC）的节点数设置为1024，能控制网络宽度，可一定程度地提升性能；最后运用解决多分类问题的Softmax回归函数，结合Center-loss中心损失度量学习[26]作为辅助损失函数[27]得到分类值结果，将Center-loss的权重系数λ设为0.001。