融合Transformer结构的高分辨率遥感影像变化检测网络
为解决遥感影像变化检测全局上下文信息捕获的问题,本文提出了基于孪生结构、跳跃连接结构及Transformer结构的TSU-Net.该模型编码器采用混合CNN-Transformers结构,借助自注意力机制捕获遥感影像的全局上下文信息,增强了模型对于像素级遥感影像变化检测任务的长距离上下文建模能力.该模型在LEVIR-CD数据集和CDD数据集进行测试,F1得分分别为90.73和93.14,优于各对比模型.
深度学习、遥感影像变化检测、Transformer、TSU-Net
P237(摄影测量学与测绘遥感)
国家重点研发计划;国家自然科学基金;智慧广州时空信息云平台关键技术——时空大数据一体化整合与自适应动态更新模块研发与咨询服务项目
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共6页
36-40,92