《表2 Alex Net网络参数》

  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

《基于AlexNet模型的AD分类》

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

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．