期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CAR-Siamese网络的高分辨率遥感图像建筑物变化检测 被引量:4
1
作者 姚沐风 昝露洋 +2 位作者 李柏鹏 李庆亭 陈正超 《中国科学院大学学报(中英文)》 CSCD 北大核心 2023年第3期380-387,共8页
准确提取建筑物变化区域对城乡规划、地理国情监测、城市扩张分析有着重要意义。传统遥感变化检测方法难以适应遥感图像复杂场景下的变化检测任务的要求。近年来广泛应用于计算机视觉领域的深度学习变化检测算法相对于传统方法在效率和... 准确提取建筑物变化区域对城乡规划、地理国情监测、城市扩张分析有着重要意义。传统遥感变化检测方法难以适应遥感图像复杂场景下的变化检测任务的要求。近年来广泛应用于计算机视觉领域的深度学习变化检测算法相对于传统方法在效率和精度上有明显提升。然而遥感图像上建筑物特征丰富、变化多样,且建筑物变化样本获取难度大,导致现有深度学习模型在建筑物变化检测任务上精度受限。针对这一问题,提出变化注意力残差孪生网络(CAR-siamese net),增强不同尺度下图像信息的共享交流,充分学习建筑物的变化特征,同时,提出建筑物语义分割样本预训练策略,有效利用现有建筑物分割样本,最终提升了变化检测网络对建筑物变化的解译能力。以北京昌平区影像为底图制作建筑物变化检测数据集,在该数据集和Levir-CD公开数据集上的实验结果表明,该方法能有效提高建筑物变化检测精度。 展开更多
关键词 变化检测 建筑物 深度学习 卷积神经网络 孪生网络 变化注意力残差
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部