《表1 Dense Net-161网络结构》

  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

《基于全卷积DenseNet的前列腺MRI分割新方法》

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

与传统的卷积网络不同，DB直接将各个卷积块相连接，使每个卷积块的输出都可以作为后面卷积块的输入，以保证卷积块间最大程度的信息传递。这个设计使得特征的前向传递和梯度的后向传播更加有效，也使得特征图得到了充分利用。由于DB卷积块中卷积核的个数较少，在一定程度上减少了参数数量，所以这种结构使得网络训练变得更加容易[16]。过渡层包括了1×1卷积层和2×2平均池化层，其通过1×1卷积减少特征图的通道数，利用池化层以降低特征图的分辨率，进一步地减少计算量并提高网络对尺度变化的鲁棒性。在文献[16]中，Dense Net已经被证明拥有强大的特征提取能力。Dense Net包含了Dense Net-121、Dense Net-169、Dense Net-201和Dense Net-161，这些网络中卷积层和全连接层的总数分别为121、169、201和161。考虑到GPU的情况和任务复杂度，本文采用Dense Net-161网络，其组成如表1所示。