《表1 卷积嵌入函数φ的体系结构(图4中的CNN)》

  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

《基于孪生网络结构的单样本图例检测方法》

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

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。