面向遥感地类变化检测的U型深度学习神经网络改进方法
遥感影像的变化检测在调查监测等自然资源管理中有着广泛应用.针对样本库建设成本过高、深度学习算法困难等问题,本文提出了多时相变化检测方法,以改进影像变化深度学习检测.该方法将不同时相的数据作为不同波段信息进行融合,将变化发现任务转换为图像分割任务,将土地利用矢量数据作为标签数据用于模型训练,建设深度学习样本库.对原始的U型深度学习神经网络结构进行改进,加速模型训练.试验结果表明:①多时相变化检测方法有利于模型训练过程中学习更多的特征,提升了模型的特征提取能力,可得到更好的预测效果;②模型的查全率和查准率都有一定提升,整体预测效果明显提高.
多时相变化检测、遥感影像变化发现、U型神经网络、深度学习
P237(摄影测量学与测绘遥感)
浙江省自然资源厅科技项目2020-55
2023-07-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
93-97,103