一种融合注意力机制的建筑物变化检测模型
针对城市建筑物变化检测问题,该文基于U-net深度学习语义分割模型,提出了一种融合残差结构和注意力机制的遥感影像建筑物变化检测模型,以U-net模型为基础,引入ResNet50的残差结构用来代替编码阶段中的卷积层,在加深网络深度的同时解决梯度消失的问题;在解码阶段横向连接结构中引入注意力机制,加强网络对变化建筑物特征的学习.实验表明,在U-net结构的基础上加入残差结构和注意力模块后,建筑物变化检测的精确率、召回率、F1值分别提升了 6.28%、6.02%、5.88%.
建筑物变化检测、注意力机制、ResNet50、U-net
47
P208(一般性问题)
国家重点研发计划;云南省刑事科学技术重点实验室资助项目
2022-07-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
153-159