《表1 RSIS-MLCA的网络参数》

  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

《基于多级通道注意力的遥感图像分割方法》

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

图1为RSIS-MLCA结构图，为了方便理解，网络每层结构具体的设置如表1所示。具体操作过程如下。输入256×256大小的RGB三通道图像进行下采样操作，经过2层卷积操作（卷积核尺寸为3×3，步长为1）、批归一化层（batch normalization layer)[10]、ReLU激活函数[11]、注意力模块以及最大池化层（Max pooling，大小为2，步长为2），按以上规则重复下采样操作。在下采样过程后，依次设置步长为2，卷积核尺寸为2×2的转置卷积层，逐步增大特征层尺寸，同时减小特征层深度；采用特征拼接方法，结合下采样线路中包含的注意力特征与上采样线路中的相同尺度的信息；在每一次拼接后，使用3×3卷积层、批归一化层、ReLU激活函数融合特征信息。按以上规则重复上采样操作，得到256×256×64大小的特征图，通过1个1×1的卷积层，将64个通道的特征图映射成特定数量的类别进行像素类别预测。