• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《地球信息科学学报》 >用于遥感影像建筑物变化检测的多尺度交叉对偶注意力网络

用于遥感影像建筑物变化检测的多尺度交叉对偶注意力网络

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

本文提出了一种用于遥感影像变化检测的多尺度交叉对偶注意力网络MSCDAN（Multi-Scale Cross Dual Attention Network），该神经网络模型利用改进的Res Net18网络提取原始遥感影像中的多尺度低级特征，并通过结合交叉注意力和对偶注意力2种注意力机制的CDA（Cross Dual Attention）模块提取注意力特征信息。CDA模块可以加强输入数据中不同视角或特征图之间的关联、融合时空信息、捕捉地表变化的时间序列特征、识别周期性变化和持续性变化等时序相关的变化模式。MSCDAN模型通过全转置卷积上采样模块FTCUM（Fully Transposed Convolution Upsampling Module）对特征图中的每个点进行局部的特征融合，由神经网络判别变化边界，避免了像双线性插值等传统方法带来的模糊和锯齿等问题，且实现了端到端的训练和优化，从而能够更好地适应遥感影像变化检测任务需求。相较于现有主流方法 DTCDSCN（Dual-Task Constrained Deep Siamese Convolutional Network），本文提出的方法在DSIFN数据集上的准确度提高了5.13%，在WHU-CD数据集上的准确度提高了1.3%。同时，本文方法在这两个数据集上的表现也优于现有方法Change Net以及Lamboise Net，在CDD数据集上的表现优于改进DeepLabv3+和SRCD-Net。这些结果表明本文方法在不同数据集上均具有良好的性能，对进一步研究遥感影像变化检测具有重要参考价值。

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