典型文献
基于Segnet网络和迁移学习的全景街区影像变化检测
文献摘要：
针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法.首先对数据集"TSUNAMI"进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价.实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1％、72.1％和81.4％;第二组得到的精度分别为66.5％、70.6％、82.2％.实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑.
文献关键词：
Segnet网络;迁移学习;全景街区影像;变化检测;支持向量机
中图分类号：
作者姓名：
余晓娜;黄亮;陈朋弟
作者机构：
昆明理工大学 国土资源工程学院,昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明 650093
文献出处：
引用格式：
[1]余晓娜;黄亮;陈朋弟-.基于Segnet网络和迁移学习的全景街区影像变化检测)[J].重庆大学学报,2022(11):100-107
A类：
全景街区影像,TSUNAMI
B类：
Segnet,迁移学习,变化检测,检测精度,预训练,训练集,类归,归并,语义分割,差异图,精度评价,最大似然法,支持向量机方法,support,vector,machine,第一组,第二组,违章,灾后重建
AB值：
0.266787
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。
