《表1 VGG-16网络以及对应本文的分块参数》

  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

《基于深度迁移学习的肺结节分割方法》

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

因此本文基于传统迁移学习微调策略存在的问题以及网络低层次特征知识具有普遍性的特点，在迁移学习的基础上提出一种分块式叠加微调策略。如表1所示，VGG-16中有5个下采样层，为了搭建对应的U-Net网络，解码器中也应有5个上采样层与之匹配，即需要进行5次分块式叠加策略。作为编码器的VGG-16网络结构中：多次使用相同大小的卷积核来提取更加复杂和更具有表达性的特征，这样也加强了网络的特征学习能力，减少了参数量。因此本文算法中，将得到相同大小特征图的卷积层归为同一个块，如在VGG-16网络中，在进行了两次3×3卷积和一次最大池化以后，得到的特征图大小为256×256，所以将池化层前面的这两层卷积分成一块。表1中，Maxpool5之前的所有网络层即为VGG-16在ImageNet上进行预训练的权重迁移到新网络的部分。