10.11835/j.issn.1000-582X.2022.11.010
基于Segnet网络和迁移学习的全景街区影像变化检测
针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法.首先对数据集"TSUNAMI"进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价.实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1%、72.1%和81.4%;第二组得到的精度分别为66.5%、70.6%、82.2%.实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑.
Segnet网络、迁移学习、全景街区影像、变化检测、支持向量机
45
P237(摄影测量学与测绘遥感)
国家自然科学基金;云南省应用基础研究计划面上项目;自然资源部地球观测与时空信息科学重点实验室经费资助项目
2023-03-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
100-107