《表1 Xception网络与Xception+网络的结构对比》

  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

《基于深度学习的无人机土地覆盖图像分割方法》

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

主干网络作为模型编码器的组成部分，主要功能是对特征自动提取。原始模型对Xception[34-35]进行修改，得到Xception+作为主干网络，主要调整包括:（1）conv5阶段新增8组共24层卷积网络。（2）conv5阶段的部分网络层替换为扩张卷积，如表1所示。扩张卷积的作用是增大特征图感受野的同时，保持特征图尺寸，避免空间位置信息的损失。以输入尺寸5像素×5像素为例，标准卷积一步操作如图3a所示，卷积核尺寸为3×3，步长为2像素，填充值为1像素，感受野尺寸为3像素×3像素，扩张卷积一步操作如图3b所示，卷积核尺寸为3×3，扩张率为2像素，步长为1像素，填充值为2，感受野尺寸为5像素×5像素。可以看到，扩张卷积能够在增大感受野的同时保持特征图尺寸，既不影响特征描述效果，还可保留丰富的空间位置信息，对语义分割模型来说非常关键。