改进UNet++遥感影像建筑物变化检测
传统遥感影像建筑物变化检测的方法,其算法简单,对中低分辨率、信息量少且简单的影像有较好的检测效果.但随着影像分辨率的提高,遥感影像所含的信息量大且复杂,而且检测类不平衡,这使得传统的方法误差变大,其检测结果的误检和漏检都很高.为了能够适应更高分辨率的遥感影像,解决上述问题,该文提出一种深度学习的方法,具体为以UNet++为骨干网络,改进此网络的编码器为孪生卷积网络,以残差网络代替全卷积网络模块,并且引入注意力机制,最后用多边融合输出得到变化检测结果.通过上述改进的验证,与其他变化检测的方法相比,在精确率、召回率、F1分数和总体精度四个评价指标上均有不同程度的提高,分别达到了0.896、0.873、0.875和0.967.
建筑物变化检测、编码器-解码器、UNet++、注意力机制
18
TP391(计算技术、计算机技术)
福建省自然科学基金项目2021J01162
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
20-25