-
题名一种融合多尺度混合注意力的建筑物变化检测模型
被引量：1
- 1
-
-
作者
于海洋
滑志华
宋草原
谢赛飞
景鹏
-
机构
河南理工大学自然资源部矿山时空信息与生态修复重点实验室
黄河勘测规划设计研究院有限公司
-
出处
《测绘工程》
2024年第1期47-56,共10页
-
基金
国家自然科学基金资助项目(U1304402)
黄河勘测规划设计研究院重大专项(80-H30G03-20/22)。
-
文摘
针对高分辨率遥感图像非真实变化所引起的错误检测问题,提出一种新颖的轻量化孪生神经网络建筑物变化检测模型。其中轻量化的特征提取模块可以获取不同尺度的局部上下文信息,使其充分学习局部和全局特征。由通道和空间注意力组成的混合注意力模块可以充分利用周围丰富的时空语义信息,以实现变化建筑物的准确提取。针对变化建筑物尺度跨度较大,容易导致建筑物边缘细节提取粗糙、小尺度建筑物漏检等问题,引入多尺度概念,将提取到的特征图划分为多个子区域,并分别引入混合注意力模块,最终将不同尺度的输出特征进行加权融合,以加强边缘细节提取能力。模型在WHU-CD、LEVIR-CD公开数据集进行实验,并分别取得87.8%和88.1%的F 1值,相较于6种对比模型具有更高的变化检测精度。
-
关键词
建筑物变化检测
混合注意力机制
多尺度分割
轻量化孪生神经网络
高分辨率遥感图像
-
Keywords
building change detection
hybrid attention mechanism
multiscale segmentation
lightweight siamese neural network
high-resolution remote sensing imagery
-
分类号
P237
[天文地球—摄影测量与遥感]
-
