《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》
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。
图表编号 | XD00144837100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.15 |
作者 | 崔少国、熊舒羽、刘畅、陈默语 |
绘制单位 | 重庆理工大学计算机科学与工程学院、重庆理工大学计算机科学与工程学院、重庆理工大学计算机科学与工程学院、重庆理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |