基于DenseNet的无人机光学图像树种分类研究

基于DenseNet的无人机光学图像树种分类研究

林志玮,丁启禄,黄嘉航,涂伟豪,胡典,刘金福

Study on Tree Species Classification of UAV Optical Image based on DenseNet

Zhiwei Lin,Qilu Ding,Jiahang Huang,Weihao Tu,Dian Hu,Jinfu Liu

表2 DenseNet121和DenseNet169模型参数

Table 2 The parameters of DenseNet121 and DenseNet169

神经网络层	输出特征图尺寸	DenseNet121	DenseNet169
卷积层	112×112	7×7 卷积	7×7 卷积
池化层	56×56	3×3 最大池化	3×3 最大池化
Dense Block (1)	56×56	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 6$	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 6$
Transition Layer(1)	56×56	1×1卷积	1×1卷积
Transition Layer(1)	28×28	2×2 平均池化	2×2 平均池化
Dense Block (2)	28×28	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 12$	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 12$
Transition Layer(2)	28×28	1×1卷积	1×1卷积
Transition Layer(2)	14×14	2×2 平均池化	2×2 平均池化
Dense Block (3)	14×14	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 24$	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 32$
Transition Layer(3)	14×14	1×1卷积	1×1卷积
Transition Layer(3)	7×7	2×2 平均池化	2×2 平均池化
Dense Block (4)	7×7	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 16$	$[\begin{array}{l} 1 \times 1 卷积 \\ 3 \times 3 卷积 \end{array}] \times 32$
分类层	1×1	7×7全局平均池化	7×7全局平均池化
分类层	—	softmax分类	softmax分类