用于高分辨率遥感影像度量变化检测的多路径非对称融合网络

文档名：用于高分辨率遥感影像度量变化检测的多路径非对称融合网络
摘要：现有的基于深度学习的度量变化检测方法侧重于高级变化语义特征的提取,难以捕获细粒度地物的变化,检测的变化边界模糊.一些方法引入了包含高分辨率和细节特征的低级视觉特征,但这些特征更容易受到内部细节等伪变化的干扰,缺少可靠的远程依赖关系.针对上述问题,提出了一种基于深度学习的端到端的度量变化检测网络,称为用于高分辨率遥感影像度量变化检测的多路径非对称融合网络(Multi-pathAsymmetricFusionnetwork,MAF-Net),可以检测到更清晰的边界和更完整的细粒度地物.MAFNet提出了一种多路径非对称融合网络用于捕获长短路径依赖关系,用细粒度的低级视觉特征细化粗略的高级语义特征.MAFNet提出了一种基于深度监督的度量模块,获取更具判别力的特征,端对端的测量变化.实验表明,与其他6种基准方法相比,MAFNet网络在SYSU数据集和CDD数据集上都实现了最高的精度,F1分别为80.56%,95.02%.

作者：闫利  李希Author：YANLi  LIXi
作者单位：武汉大学测绘学院,湖北武汉430079
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(7)
分类号：P237
关键词：遥感影像  变化检测  多路径非对称融合网络  度量学习  深度监督  深度学习  
Keywords：remotesensingimages  changedetection  multi-pathasymmetricfusionnetwork  metriclearning  deepsupervision  deeplearning  
机标分类号：TP391.41H146.3TN91
在线出版日期：2023年9月27日
基金项目：用于高分辨率遥感影像度量变化检测的多路径非对称融合网络[
期刊论文]  电子学报--2023, 51(7)闫利  李希现有的基于深度学习的度量变化检测方法侧重于高级变化语义特征的提取,难以捕获细粒度地物的变化,检测的变化边界模糊.一些方法引入了包含高分辨率和细节特征的低级视觉特征,但这些特征更容易受到内部细节等伪变化的干扰...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        用于高分辨率遥感影像度量变化检测的多路径非对称融合网络  MAFNet:A Multi-Path Asymmetric Fusion Network for Metric-Based Change Detection in High-Resolution Remote Sensing Images

用于高分辨率遥感影像度量变化检测的多路径非对称融合网络.pdf

2024-12-14 02:31 上传 用于高分辨率遥感影像度量变化检测的多路径非对称融合网络.pdf

文件大小:

2.9 MB

下载次数:

60

高速下载