《表1 两种不同梯度优化策略训练出模型的手势识别率》

  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

《基于卷积神经网络的手势识别方法》

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

将预处理后的手势样本作为输入数据，采用研究设计的8层卷积神经网络进行训练.选取随机梯度下降法（SGD）和Ada Delta梯度下降法两种不同的梯度优化策略，对输入的样本分别进行5 000次的迭代训练.训练过程中代价函数随迭代次数变化情况如图4所示.两种不同梯度优化策略训练出的模型对测试集的识别率如表1所示.由表1与图4可以看出，相同条件下，选用两种梯度优化策略在迭代训练1 800次左右时代价函数都能下降到很小的值，但分别经过5 000次迭代后选用Ada Delta梯度下降法训练出的模型对测试集手势识别效果更好.