《表3 参与评估的网络:卷积神经网络在掌纹识别中的性能评估》
注:“—”表明不计算层数。
为了探究不同CNN的掌纹识别能力,从前文介绍的各种典型的CNN网络模型中选取AlexNet、VGG、Inception_v3、ResNet、Inception_v4、Inception_ResNet_v2、DenseNet和Xception网络参与掌纹识别性能评估。选择这些网络的原因如下:AlexNet、VGG是早期CNN的代表,参与评估能够与近期的CNN进行对比;Inception_v3和v4是GoogLeNet的代表,v3是v1、v2版的改进,v4则是v3的进一步精细设计;ResNet能够将CNN加深到100层以上,并且可以很好地训练;Inception_ResNet选取了v2而没有选取v1是因为v1、v2共享整体结构,仅选取v2足够具有代表性;DenseNet是ResNet的进一步扩展;Xception是对卷积顺序新的尝试。选择的CNN的详细信息见表3,表3中网络层数的计算仅包含可训练参数的层,如卷积层;Inception系列网络中每个网络的模块都是详细设计的,故不计算层数。
图表编号 | XD0082904100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.16 |
作者 | 王海纶、李书杰、贾伟、刘晓平 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |