《表2 Alex Net网络结构参数》

  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

《MRI脑肿瘤图像分割研究进展及挑战》

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:“—”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。