《表1 Finger-SqueezeNet架构规模》

  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

《结合迁移学习的轻量级指纹分类模型》

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

本文提出的Finger-SqueezeNet网络模型主要由fire模块组成，模型结构如图4所示。1) 模型总体结构主要由首尾2个卷积层、中间5个fire模块、以及fire模块间嵌入的4个池化层组成，最后将学习到的特征输入softmax分类器进行分类。2) 第1层始于一个简单卷积层，用到的是7×7大小的滤波器。3) fire模块由1个压缩（squeeze）卷积层和2个混合滤波器的扩展（expand）层组成。4) squeeze卷积层用到的是1×1的滤波器，将得到的映射图传入1×1和3×3卷积滤波器混合expand层。5) H、W、C分别是输入图像的高度、宽度和通道数，S1为squezze层的滤波器个数，e1、e2分别是1×1和3×3的滤波器个数，滤波器个数随着层数逐渐增加，且有e1=e2=4S1，fire模块输入的特征图尺寸表示为H×W×C，经过融合（按具体算法计算后），输出的特征图尺寸表示为H×C×（e1+e2），相关参数如表1所示。