《表2 不同输出步长的RNA的实验结果》

  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

《基于稠密金字塔网络的遥感影像建筑物提取》

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

为了探究输出步长对模型性能的影响，本文单独使用RNA并设置不同的输出步长训练建筑物提取模型。在实验过程中，RNA的输出步长分别设置为8、16、32，当输出步长为8时，con3＿x、con4＿x、con5＿x设置为带孔卷积；当输出步长为16时，con4＿x和con5＿x设置为带孔卷积；当输出步长为32时，con5＿x设置为带孔卷积，实验结果如表2所示。由表2可知，网络的输出步长越小，模型的性能越好。在实验过程中发现，由于GPU内存限制，当输出步长设置4时，会出现显存不足无法训练模型的现象，故在后续实验中将模型的输出步长统一设置为8。