《表6 不同层数网络下VGG和Res Net在不同数据库上的识别率》

  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:加粗字体表示最优结果。

对于同一结构的网络，ImageNet比赛的预训练模型中存在不同层数的模型，如ResNet网络有18、34、50等不同层数的模型。浅层的网络层数较少，网络的表达能力相对较差，而较深的网络由于层数较多，网络的表达能力更强，但也更容易出现过拟合的问题，因此选取合适层数的网络也是一个重要的因素。针对表3中的VGG和ResNet，选取这些网络不同层数的模型进行评估实验。本节使用默认的数据配置，由于大部分数据库在VGG上实验学习率为5×10-5时出现难以训练的问题，在VGG上的实验学习率采用10-5，实验结果见表6。