《表1 卷积嵌入函数φ的体系结构(图4中的CNN)》
用函数g组合输入表示,函数g即相关操作,用卷积[10-11]来实现。函数φ的结构如表1所示,表1是图4中CNN的结构信息,对2个输入进行相应处理。类似于Krizhevsky等人[18]的网络的卷积阶段。在每个卷积层后面(除了Conv5)都包含线性修正单元(Rectified Linear Unit,Re LU)模块。卷积时不引入填充,因为会违反图像的全卷积性。训练时在线性层加入BN(Batch Normalization)[19]。深度孪生卷积网络先前已应用于面部验证[20-21],关键点描述学习[22]和一次性字符识别[8]等任务,是使用孪生特征提取网络的基础。
图表编号 | XD00199348300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 王超奇、宫法明 |
绘制单位 | 中国石油大学(华东)计算机科学与技术学院、中国石油大学(华东)计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |