《表1 GMP和GAP对识别准确率的影响》

  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

《基于非对称全局卷积神经网络的遥感图像识别方法》

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

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。