對哨兵1號的多時相雙極化SAR數據進行預處理，得到18個日期的VV和VH共36景影像，通過ANOVA和JM距離分析，選其中ANOVA得到的F值最高的6景影像。真值用LC8數據和地面調查，目視解譯得到標簽。將6景影像合到一個數據中即6波段數據，輸入到UNET中，網絡結構同原始UNet，除了在conv和relu中間加了BN。

這里引發了思考，BN層到底是加在哪里的，因為keras里的conv2d層是可以直接加激活函數的，中間加BN就要拆開寫了。提出BN的論文里似乎就是加在了conv和relu中間。其他論文看到沒有注意，以后注意一下都是加在哪里的，印象中不都是這樣加的。

BN層的主要作用是歸一化參數，改善梯度消失的狀況，加快收斂，可以使用更大的學習率，不用再考慮正則和dropout。

轉載于:https://www.cnblogs.com/tccbj/p/10831580.html

總結

以上是生活随笔為你收集整理的Multi-Temporal SAR Data Large-Scale Crop Mapping Based on U-Net Model（利用U-net对多时相SAR影像获得作物图）...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。