Table 2.

ResNet-Swish-BiLSTM structural description.

Layer Name	Activation	Learnable
Image Input	224 × 224 × 3	–
Convolution	112 × 112 × 64	Weights 7x7x3x64 Bias 1 × 1 × 64
Batch Normalize	112 × 112 × 64	offset 1 × 1 × 64 Scale 1 × 1 × 64
Swish Activation	112 × 112 × 64
Multi Plan	112 × 112 × 64
Convolution	56 × 56 × 64	Weights 3 × 3 × 64 × 64 Bias 1 × 1 × 64
Batch Normalize	56 × 56 × 64	Offset 1 × 1 × 64 Scale 1 × 1 × 64
Convolution Block	28 × 28 × 128	Weights 3 × 3 × 128 × 128 Bias 1 × 1 × 128
Identity Block	28 × 28 × 128
Convolution Block	14 × 14 × 256	Weights 3 × 3 × 258 × 256 Bias 1 × 1 × 256
Identity Block	14 × 14 × 256
Convolution Block	7 × 7 × 512	Weights 3 × 3 × 128 × 512 Bias 1 × 1 × 512
Identity Block	7 × 7 × 512
Convolution Block	3 × 3 × 1024	Weights 3 × 3 × 1024 × 1024 Bias 1 × 1 × 1024
Identity Block	1 × 1 × 1024
Residual Block-1	1 × 1 × 1024
AP (Average Pooling)	1 × 1 × 1024
Residual Block-2	3 × 3 × 1024
Featureinput	9216
BiLSTM1	500	inputWeights:500 × 9216,
FC1	200	Weights:200 × 500,Bias: 200 × 1
BiLSTM2	200	inputWeights:2500 × 9216, Bias:2500 × 9216
Dropout 25%	200	–
FC2 2 Fully Connected	2	Weights:2 × 200, Bias:2 × 1
SoftMax	2	–
Classification	2	–