《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》

  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

《卷积神经网络在掌纹识别中的性能评估》

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

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。