《表2 不同深度网络的分类结果》

  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

《基于舌图像深度特征融合的中医体质分类方法研究》

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

从图2可以看出，从第2、第3层卷积过程学习到的特征基本上是颜色、边缘、纹理等低层特征；第4、第5层卷积过程学习到的是更高层的语义信息。根据AlexNet每一层的输出结果及各层所包含的信息，此处讨论第2、第4、第5层融合和第3、第4、第5层融合的结果，根据结果确定本文的融合框架。对比不同池化层融合的结果得到，第2、第4、第5层融合的准确率为71.3%，第3、第4、第5层融合的准确率为70.2%，由于2、第4、第5层输出特征的融合结果高于3、第4、第5层的融合结果，因此设计本文算法的整体框架如图3所示。