《表5 不同模型的FIC和TII》
如上文所说,这些公安部指纹图像存在错误标签,所以我们在测试集中随机反复选取图像以观察错误标签对不同模型的影响。为了更好地说明错误标签对模型的影响,本文提出FIC和TII两个指标以便更好地对其进行量化。FIC被定义为将错误标签分类到错误类别的概率,错误标签分类到错误类别,即如某样本在数据库中被错误标记为左箕,模型对其分类为左箕,但样本的真实标签为斗。TII则定义为将错误标签分类到正确类别的概率,错误标签分类到正确类别,即如某样本在数据库中被错误标记为左箕,模型对其分类为右箕,并且样本的真实标签也为右箕。如表5所示,模型A的TII值显著高于文献[23]和文献[24]并且FIC值低于这两者而文献[21]在TII和FIC两项指标的表现均不如其他3个模型。此实验可以说明胶囊网络在指纹分类上对错误标签的分辨能力较DCNN更强,并在加入本文所提出的优化算法后分辨能力会进一步提高。
图表编号 | XD00180447200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.15 |
作者 | 李伯男、赵彤、吴敏 |
绘制单位 | 中国科学院大学计算机与控制学院、中国科学院大学数学科学学院、中国科学院大数据挖掘与知识管理重点实验室、中国科学院大学数学科学学院 |
更多格式 | 高清、无水印(增值服务) |