《表3 判别网络结构:基于深度对抗域适应的高分辨率遥感影像跨域分类》

《表3 判别网络结构:基于深度对抗域适应的高分辨率遥感影像跨域分类》   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
《基于深度对抗域适应的高分辨率遥感影像跨域分类》


  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

本文实验中的源域和目标域的卷积神经网络结构如表2所示,判别网络结构如表3所示。对于模型的训练,UC-Merced和WHU-RS两个数据集的模型训练参数设置完全一样,训练速率衰减周期设置为50epoch,Batch size设置为64。对于Adam优化算法,初始学习速率为0.0001,速率衰减因子为0.9,epsilon设置为10-8,VGG16模型输入图像大小为224pixel×224pixel,因此将场景影像大小缩放到2 2 4pixel×2 2 4pixel。为了定量分析所提方法的有效性,利用混淆矩阵、总体精度(OA)和Kappa系数评价分类性能,研究域适应方法对目标域数据集的泛化能力。