基于迁移学习的多尺度特征融合牦牛脸部识别算法

基于迁移学习的多尺度特征融合牦牛脸部识别算法

陈占琦, 张玉安, 王文志, 李丹, 何杰, 宋仁德

Multiscale Feature Fusion Yak Face Recognition Algorithm Based on Transfer Learning

CHEN Zhanqi, ZHANG Yu'an, WANG Wenzhi, LI Dan, HE Jie, SONG Rende

表1 试验方案参数设置

Table 1 Parameters setting of experimental schemes

试验方案	图像训练形式	优化函数	学习率	批量	迁移学习-全连接层
文献［9］结构	256 $\times$ 256 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
文献［10］结构	128 $\times$ 128 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
文献［11］结构	256 $\times$ 256 $\times$ 1	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
文献［25］结构	256 $\times$ 256 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
VGG16	128 $\times$ 128 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
Mb-Net-L	128 $\times$ 128 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
Mb-Net-S	256 $\times$ 256 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
InceptionV3	128 $\times$ 128 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
FaceNet结构	128 $\times$ 128 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	——
Tr-L-VGG16	256 $\times$ 256 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	x=Activation（'relu'）（output） x=GlobalAveragePooling2D（x） x=Dense（194，activation='softmax'）（x）
T-M-VGG	256 $\times$ 256 $\times$ 3	SGD（momentum=0.9，decay=0.00001）	0.001	128	x=Activation（'relu'）（output） x=GlobalAveragePooling2D（x） x=Dense（194，activation='softmax'）（x）