httpsarxivorgpdf221105778v4pdf阅读这篇文章我想使用这篇文章中的方法去做上海建筑的识别项目那么需要用的关键技术有哪些？可以采用的baseline算法有哪些？

该文章使用的方法是基于深度学习的图像分类方法，主要采用了卷积神经网络（CNN）和特征融合的技术。因此，需要用到的关键技术包括：

1. 深度学习基础知识：包括CNN的原理、训练方法和常见的优化算法等。

2. 数据预处理：对原始图像进行预处理，如缩放、裁剪、归一化等，以提高模型的鲁棒性。

3. 数据增强：通过旋转、翻转、裁剪等操作，扩充数据集的规模，增加模型的泛化能力。

4. 特征融合：将不同层次的特征进行融合，提高模型的性能。

5. 模型评估：选择合适的评估指标对模型进行评估，如准确率、召回率、F1-score等。

可以采用的baseline算法包括：

1. AlexNet：是深度学习中较早的经典卷积神经网络模型，适用于图像分类任务。

2. VGGNet：是一个经典的卷积神经网络模型，采用了更深的网络结构，可以提高模型的性能。

3. ResNet：是一种残差网络模型，通过加入残差块，可以解决深度网络训练过程中的梯度消失和梯度爆炸问题，提高模型的性能。

4. DenseNet：是一种密集连接网络模型，通过图层之间的直接连接，可以提高模型的信息流动性和特征复用能力。