典型文献
基于深度学习的高分辨率遥感图像建筑物变化检测
文献摘要：
针对传统语义分割网络检测精度低,对中、小尺度目标存在误检漏检,对边界分割粗糙等现象,提出了一种基于深度学习的高分辨率遥感图像建筑物变化检测方法.采用编码-解码结构,在编码阶段采用残差网络提取图像特征,并为编码器最深层特征引入空洞卷积和金字塔池化模块,增大感受野以提取多尺度图像特征;在解码阶段使用注意力模块突出有用特征,接着聚合不同尺度不同分辨率的特征.在大型遥感建筑物变化检测数据集上进行实验.结果表明,所提方法在获取深层语义信息的同时可以较好地关注到细节信息,在精确率、召回率、F1分数上均有明显提升,在多尺度目标检测、建筑物边界提取等方面优于其他常用的语义分割网络.
文献关键词：
遥感影像;变化检测;ResNet50;注意力机制;特征金字塔
中图分类号：
作者姓名：
韩星;韩玲;李良志;李慧慧
作者机构：
长安大学地质工程与测绘学院,陕西西安710054;长安大学土地工程学院,陕西西安710054;陕西省土地整治重点实验室,陕西西安710054
文献出处：
引用格式：
[1]韩星;韩玲;李良志;李慧慧-.基于深度学习的高分辨率遥感图像建筑物变化检测)[J].激光与光电子学进展,2022(10):45-53
A类：
B类：
高分辨率遥感图像,建筑物变化检测,语义分割网络,网络检测,检测精度,小尺度目标,检漏,漏检,界分,解码,在编,残差网络,图像特征,编码器,最深,深层特征,征引,空洞卷积,金字塔池化模块,感受野,注意力模块,不同尺度,检测数据集,深层语义信息,注到,细节信息,精确率,召回率,多尺度目标检测,边界提取,遥感影像,ResNet50,注意力机制,特征金字塔
AB值：
0.354889
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
