《表1 GMP和GAP对识别准确率的影响》
注:“无”表示未进行池化操作,该组实验结果基于Non-local CNN模型。
全局最大池化(global max pooling,GMP)和全局均值池化(global average pooling,GAP)是深度学习模型中最常用的2种全局池化函数,可用于图像和特征图的下采样操作中,以达到降低分辨率的目的[17]。因此,在第1组实验中,主要探讨不同池化函数对识别准确率的影响。分别使用GMP和GAP对UNC结构的Key-value对应的特征图进行下采样,采样后的输出尺寸为8×8。在RSSCN7数据集上的实验结果如表1所示。
图表编号 | XD00223661000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.25 |
作者 | 徐风、孙万砚 |
绘制单位 | 南京林业大学信息科学技术学院、南京林业大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |