典型文献
改进UNet++遥感影像建筑物变化检测
文献摘要：
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.
文献关键词：
建筑物变化检测;编码器-解码器;UNet++;注意力机制
中图分类号：
作者姓名：
孙雯婷;施文灶;王磊;温鹏宇;庄镇榕;杨玮琦;李甜
作者机构：
福建师范大学,医学光电科学与技术教育部重点实验室,福建福州350007;福建师范大学福建省光子技术重点实验室,福建福州350007
文献出处：
引用格式：
[1]孙雯婷;施文灶;王磊;温鹏宇;庄镇榕;杨玮琦;李甜-.改进UNet++遥感影像建筑物变化检测)[J].电脑知识与技术,2022(25):20-25
A类：
B类：
UNet++,遥感影像,建筑物变化检测,低分辨率,信息量,检测效果,所含,类不平衡,漏检,骨干网络,编码器,残差网络,全卷积网络,注意力机制,出得,精确率,召回率,总体精度,四个评价,解码器
AB值：
0.276793
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。
