《表2 Alex Net网络参数》
本研究中特征迁移学习使用的基础网络模型为AlexNet,结构如图1所示.AlexNet为8层网络结构,前5层为卷积层,后3层为全连接层,其中前2层卷积和第5层卷积后均跟随池化层,每一个卷积层均采用ReLU激活函数[8].大小为227×227的RGB三通道图像输入AlexNet,分别经过了卷积、ReLU、池化、归一化过程.其中第1层卷积过程的卷积核大小为11×11,步长为4;池化采用为重叠池化,设置步幅为2、池宽为3的滑动窗口.第2层卷积过程的卷积核为5×5,步长为1,池化方式与第1层一致.经过上述过程,在第2层的输出大小变为了13×13×256.之后的3个卷积层均采用卷积核大小为3×3,步长为1.在第5层卷积后跟随1次池化,池化方式与前2层相同.经过5次卷积计算,可将图像的特征进行抽象,往往能表达出具有分类特征的信息.各层具体的网络参数如表2所示.
图表编号 | XD00115209700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.10 |
作者 | 张柏雯、林岚、吴水才 |
绘制单位 | 北京工业大学生命科学与生物工程学院、北京工业大学生命科学与生物工程学院、北京工业大学生命科学与生物工程学院 |
更多格式 | 高清、无水印(增值服务) |