《表2 Hair-Net的配置参数》
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。
图表编号 | XD00119123700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.10 |
作者 | 姜晓佳、高树辉 |
绘制单位 | 中国人民公安大学刑事科学技术学院、中国人民公安大学刑事科学技术学院 |
更多格式 | 高清、无水印(增值服务) |