《表2 某主线优化方案：基于深度可分离卷积的指静脉识别算法》

  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

《基于深度可分离卷积的指静脉识别算法》

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

训练集和测试集的数据如3.1节所述。本文通过测试类间准确度和类内准确度来度量模型的精度，并且通过设置不同边界阈值使模型精度达到最佳。本实验对三种模型进行了不同边界阈值下精度的对比，如图8(a）、（b）所示，所选取的边界阈值在0.1～0.6，每0.01设置一个，共计60个。通过这种方式来判断不同参数对于模型精度的影响。相比较而言，模型Mobile3的精度最高，其精度表明本文中的方法很好地解决了指静脉轴向旋转的问题。在图像尺寸为300×100的情况下，平均测试时间为22.5 ms。同时，本文在相同的数据集上与Wang等提出的Gabor wavelet features方法[17]和Qiu等提出的Pseudo-elliptical transformer方法[18]做了对比，均有一定优势。