《表1 ResNet50的网络配置》

  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

《基于尺度注意力网络的遥感图像场景分类》

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

本文选用ResNet50作为网络基本结构的原因在于，ResNet50比使用卷积层堆叠的CNN，网络层数更深，模型参数更少，特征提取能力更强，其网络配置如表1所示。ResNet50是由多个残差模块堆叠在一起构成，与普通卷积层不同的是，残差模块通过一条直连通道，将输入信息直接传到输出，缓解了CNN在信息传递过程中存在信息丢失的问题，保护了信息的完整性，对存在多个小对象和背景复杂的场景图像，其特征提取能力更强。构成ResNet50的每一个残差模块都是由卷积核大小分别为1×1、3×3、1×1的三个卷积层串联在一起组成，结构如图5所示，图中Conv表示卷积层，BN(Batch Normalization）表示批归一化，ReLu(Rectified Linear Unit）表示线性整流函数。