《表1 不同层数的MCS-CNN的实验结果》

  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

《基于稀疏卷积神经网络的考生识别算法》

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

如表1所示，随着网络层数的增加，准确率呈现先增后降的趋势，整体变化不大，但检测时间大幅增加。由于本身输入通道的尺寸较小，不断增加卷积层的层数在初期可以去除噪声，提升提取特征的纯度。但随着层数的增加和池化等操作会损失图片信息，从而影响特征的提取和识别结果。综上，同时考虑准确率、召回率和检测时间，这里取4层卷积网络对样本集进行特征提取，网络模型结构确定后，使用MCS-CNN模型与其他算法进行对比。