《表1 网络模型结构参数：基于深度哈希卷积神经网络的医学图像检索》

  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

《基于深度哈希卷积神经网络的医学图像检索》

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

图2给出了基于深度哈希卷积神经网络的医学图像检索网络模型，可以端到端地学习图像特征表示和哈希编码。模型基于VGG16网络结构，其中卷积层、池化层和全连接层都保持不变。用k个隐藏神经元的新哈希层FCH替换分类器层FC-1000，FCH将全连接层的表示转换为每个图像xi的K维连续代码zi∈RK。采用符号函数sgn（·）对连续特征值进行哈希编码。然而，因为反向传播时很难获取符号函数的梯度，故采用双曲正切函数tanh（·）将连续码限制在[-1，+1]范围内，从而降低连续码zi和二进制哈希码hi之间的间隙。为了进一步保证用于汉明空间检索的哈希码的质量，本文采用成对柯西交叉熵损失[25]。网络模型具体参数如表1所示。