《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》
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。
图表编号 | XD00197812500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 邓若辰、彭程、边赟 |
绘制单位 | 中国科学院成都计算机应用研究所、中国科学院大学计算机与控制学院、中国科学院成都计算机应用研究所、中国科学院成都计算机应用研究所 |
更多格式 | 高清、无水印(增值服务) |