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）

对哨兵1号的多时相双极化SAR数据进行预处理，得到18个日期的VV和VH共36景影像，通过ANOVA和JM距离分析，选其中ANOVA得到的F值最高的6景影像。真值用LC8数据和地面调查，目视解译得到标签。将6景影像合到一个数据中即6波段数据，输入到UNET中，网络结构同原始UNet，除了在conv和relu中间加了BN。

这里引发了思考，BN层到底是加在哪里的，因为keras里的conv2d层是可以直接加激活函数的，中间加BN就要拆开写了。提出BN的论文里似乎就是加在了conv和relu中间。其他论文看到没有注意，以后注意一下都是加在哪里的，印象中不都是这样加的。

BN层的主要作用是归一化参数，改善梯度消失的状况，加快收敛，可以使用更大的学习率，不用再考虑正则和dropout。