《表1 网络各层参数：结合面料属性和触觉感测的织物识别》

  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

《结合面料属性和触觉感测的织物识别》

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

传统特征提取方法通常采用手动提取图像底层特征，例如SIFT、HOG（histogram of oriented gradient）和LBP特征，选择何种特征进行识别需要人为的反复实验来决定。由于从繁多的底层特征中筛选真正起作用的特征非常耗费时间，从而降低了识别效率。为此，本文采用CNN根据图像特点自适应地提取特征。由于传统的AlexNet（Krizhevsky等，2012）网络的卷积层和池化层数量过多导致运行效率不高，且最后输出的特征向量维度过大不利于与面料属性的几何度量进行参数学习，故本文在AlexNet网络的基础上改变了网络的层数和超参数文件，以此来实现CNN完成特征提取，该网络包括3个卷积层、3个池化层和3个全连接层，各层参数如表1所示。