《表1 3D-BN-VGG网络各层的详细参数量》

  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

《一种基于3D-BN-VGG网络的行为识别算法》

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

表1给出了本文设计的3D-BN-VGG网络的各个层的详细参数量。本文使用小卷积核堆叠代替大卷积核的方式可大大减少参数量，参数量的减少可以保证在相同的感受野的前提下增加网络深度，以此来提升识别的准确率；其次，参数量的减少会大大加快计算的速度。3D-BN-VGG中共有25个带参数层，一共有参数23 734 597个，其中可训练的参数23 722 437个，不可训练的参数12 160个。其中，卷积层的参数由卷积核数量和卷积核大小确定。在23 722 437个可训练参数中，全连接层参数一共是21 080 165个，占了总参数的88.86%，可以发现全连接层占了绝大部分的参数量。对于全连接层“dense＿1”，其参数量计算方法为前一层输出的特征向量长度乘以“dense＿1”的神经元个数再加上偏置，即4 096×4 096+4 096。全连接层的巨大参数量会很大程度上影响整个网络的泛化能力，本文使用了更高的Dropout丢弃率来降低全连接层过拟合的风险。