《表2 不同Dropout值对CRR的影响》
为了找到对掌脉数据库效果最好的Dropout值,在原始的8层小卷积核Res Net网络基础上,仅将Dropout层添加到平均池化层之后,即SK-Res Net+Dropout,并以此网络模型进行掌脉识别。分别对各掌脉数据库进行实验,计算识别率,以此判断Dropout技术缓解过拟合的效果。Dropout中p表示每个节点有p概率被抛弃,其取值范围为(0,1),间隔设置为0.1。表2展示了不同Dropout取值对识别率的影响。由表2可以看出,当Dropout的取值为0.1时,在三个数据库上的效果达到最好,一定程度上降低了过拟合风险,提高了模型的识别率。
图表编号 | XD00197784400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 娄梦莹、王天景、刘娅琴、杨丰、黄靖 |
绘制单位 | 南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院、南方医科大学生物医学工程学院 |
更多格式 | 高清、无水印(增值服务) |