深度学习

1. 卷积层得到的输出通道增多，那么多出来的这些通道是？

在卷积神经网络中，卷积层的输出通道可以看作是一种特征图（feature maps）的表示。当卷积层输出通道增多时，隐含着网络可以提取更多且更丰富的特征信息。这些多出来的通道在整个网络中承载着不同尺度、不同角度或不同语义的特征信息。

2.卷积后得到的特征图尺寸改变代表了什么？(一般都只是改变通道数)

1. 特征表达能力 2. 空间信息

3.输入图像

一般输入的图像 MS(通过HRMS下采样，然后再通过Bic插值得到的LRMS)，PAN(单通道的全色图像)

4.卷积层

卷积层的作用就是提取输入图像的局部特征

5.激活函数

在卷积层后面，通常会应用一个激活函数，如ReLU函数或Sigmoid函数。激活函数的作用是引入非线性映射，增加模型的表示能力

6.池化层

主要分为最大池化和平均池化。池化这种操作有助于减少特征图的空间尺寸，同时保留主要特征。因此，池化层有助于降低输出特征图的尺寸，减少模型的参数数量，并增强模型的平移不变性。