《表2 Alex Net网络结构参数》
注:“—”代表无数据。
CNN通过堆叠多个卷积层、池化层和全连接层以及将图像与核特征参数进行卷积,进而形成具有强鲁棒性和自适应性的特征学习模型。以CNN中具有代表性的AlexNet网络为例,对CNN结构进行说明,AlexNet网络结构图如图2所示(Xing,2018)。AlexNet网络由5个卷积层Conv、3个池化层Pool、两个全连接层Fully Connected和1个SoftMax层构成,其中网络中的激活函数用线性整流函数ReLU(rectified linear unit)代替了传统的S或T激活函数,图中C为卷积层卷积核的通道,N为全连接层神经元的数量,Forward代表网络前向传播的特征学习过程,Backward代表网络反向传播的参数学习过程。表2为图2网络的具体参数。
图表编号 | XD00143034800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 李锵、白柯鑫、赵柳、关欣 |
绘制单位 | 天津大学微电子学院、天津大学微电子学院、天津大学微电子学院、天津大学微电子学院 |
更多格式 | 高清、无水印(增值服务) |