-
题名注意力引导的三维卷积网络用于遥感场景变化检测
被引量：5
- 1
-
-
作者
张涵
秦昆
毕奇
张晔
许凯
-
机构
武汉大学遥感信息工程学院
中国地质大学地理信息工程学院
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2021年第2期272-280,共9页
-
基金
国家重点研发计划(No.2016YFB0502600)
国家自然科学基金(No.41801265)资助。
-
文摘
场景级变化检测策略可以容忍高分遥感影像的大量噪声,进而从语义层级更准确地描述遥感图像在前后时相的变化,为高分辨率影像变化检测提供了可能。本文提出了一种注意力引导的三维卷积神经网络用于高分遥感影像场景变化检测的方法。首先构建一个在AlexNet基础上进行简化的三维卷积网络,然后加入一个语义注意力模块来进一步提取地表覆盖变化显著的候选判别区域;最后输入分类层得到分类结果,整个框架以端对端、可训练的方式进行组织,直接由双时相场景切片通过卷积网络得到变化检测结果。为评估场景级变化检测方法性能,本文制作了一个语义级高分遥感影像场景变化检测数据集,在该数据集上的实验结果显示本文方法变化检测的准确率高于相关方法,验证了方法的有效性,初步展示了基于深度学习的场景级遥感变化检测的发展前景。
-
关键词
场景级变化检测
语义注意力模块
三维卷积神经网络
高分遥感解译
场景变化检测数据集
-
Keywords
scene-level change detection
semantic attention module
3D ConvNet
high resolution remote sensing interpretation
scene-level change detection benchmark
-
分类号
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
