多尺度特征孪生神经网络的建筑物变化检测方法
针对从多时相高分辨率遥感影像上做建筑物变化检测出现的细节特征丢失、变化检测结果模糊的问题,该文提出 了 一种基于多尺度特征孪生神经网络的遥感影像建筑物变化检测算法.以孪生神经网络为基础网络,将Inception v2结构加入网络特征提取层中,获得遥感影像多尺度特征,并对其进行多特征融合,更好地还原建筑 目标的细节信息.与全卷积孪生神经网络网络相比,在WHU和LEVIR-CD建筑变化数据集下的实验结果表明,overall accuracy、F1-score和Kappa系数指标都有所提高,本文的多尺度孪生神经网络方法更利于建筑物变化检测,并获得了良好的测试结果.
变化检测、多尺度特征卷积、孪生神经网络、深度学习
47
P237(摄影测量学与测绘遥感)
重庆市教委科技项目;重庆市教委科技项目
2022-10-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
185-192