首页> 中文期刊> 《电子学报》 >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

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-path Asymmetric Fusion network,MAFNet),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%.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号