典型文献
基于SE-DRUnet的遥感影像耕地变化检测
文献摘要：
针对近些年耕地流失严重、现有的遥感图像变化检测方法准确率不高、抗噪能力差的问题,提出一种基于U-net改进的网络模型SE-DRU net.该模型对遥感图像的像素分类进行了优化,是一种端到端的变化检测方法.采用VGGNet思想来增大感受野,提高抗噪能力,并且引入SE模块和残差结构GO来提升性能.首先对图像进行预处理,然后人工标注变化区域,并对训练集数据做数据增强后放入SE-DRUnet模型中训练,最后对模型预测结果图做后处理来获取更好检测效果.所提出的网络模型检测准确率更高、抗噪能力更强,该方法的有效性和可靠性已在Landsat8数据集上得到了验证.实验结果表明,该模型在变化检测任务上的准确率、精确率、召回率和F1值分别为95.61％,92.33％,86.62％,89.39％,优于其他模型.
文献关键词：
遥感;深度学习;变化检测;耕地
中图分类号：
作者姓名：
黄梅;杨文忠;汪传建;魏文钰
作者机构：
新疆大学信息科学与工程学院,新疆乌鲁木齐830046;新疆多语种信息技术实验室,新疆乌鲁木齐830046;安徽大学互联网学院,安徽合肥230039
文献出处：
引用格式：
[1]黄梅;杨文忠;汪传建;魏文钰-.基于SE-DRUnet的遥感影像耕地变化检测)[J].东北师大学报（自然科学版）,2022(02):61-67
A类：
DRUnet
B类：
SE,遥感影像,耕地变化,变化检测,遥感图像,像素分类,端到端,VGGNet,想来,感受野,高抗,残差结构,提升性能,训练集,数据增强,后放,放入,检测效果,模型检测,检测准确率,Landsat8,上得,精确率,召回率
AB值：
0.367133
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
