《表2 不同输出步长RNA的MIo U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

《残差密集空间金字塔网络的城市遥感图像分割》

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，以RNA为训练模型并设置4组实验进行对比分析。在实验过程中，RNA的输出步长分别设置为4，8，16，32。设置方式为当特征图尺寸缩小至指定输出步长大小，残差块（conv2＿x—conv4＿x）使用带孔卷积，否则与Res Net-101相同。例如，当输出步长为4时，conv2＿x conv4＿x阶段中所有的3×3卷积均设置为采样率为2的带孔卷积，输出步长为8时，conv3＿x、conv4＿x阶段3×3卷积均设置为带孔卷积。当RNA的输出步长为4时，由于GPU内存的限制，批尺寸设置为1，对应的训练迭代为100 000。实验得到的平均交并比（mean intersection over union，MIo U）结果如表2所示。由表2可知，RNA的性能与输出步长呈负相关。当输出步长减小到4时，模型性能没有明显改善，但计算量大幅增加。为了平衡模型性能和计算量，在后续实验中将模型的输出步长统一设置为8。