《表2 不同结构的全局网络在真实数据集上的性能表现》

  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

《基于级联卷积神经网络的手势特征提取方法》

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

首先，本文对不同结构的全局网络在真实数据集上的表现进行对比。其中，表2中FCNN表示将全局网络的全连接层替换为卷积层后的模型结构。从表2中的数据可以得出，本文所提出的级联卷积神经网络结构在训练集上平均分类准确率达到95.13%，测试集平均准确率达到54%，测试集准确率相较于FCNN网络的算法提高4.76个百分点。虽然FCNN结构的全局网络在训练集上普遍准确率较高，但是在测试集的上的性能表现不如本文2.1节中所述的网络结构。这表明采用全连接层与Dropout方法的全局网络在手势特征提取任务上具有更好的性能表现。此外，表中数据证明了单纯地增大全局参数的分类数并不能增加特征提取性能，反而可能导致特征提取性能的下降。