典型文献
融合多尺度特征注意力的遥感影像变化检测方法
文献摘要：
深度学习技术已经成为遥感影像变化检测研究的主流方法,现有的基于深度学习的变化检测方法主要是获取单一尺度的变化特征,而在现实场景中,变化区域的尺度具有多样性.为此,本文提出了融合多尺度特征注意力的遥感影像变化检测方法,通过关注多尺度融合策略来解决变化检测存在的多尺度问题.首先,利用特征金字塔网络自身的多尺度特性,使网络学习到不同尺度的变化特征,为了提升网络感受野和利用全局特征信息,在特征提取网络末端引入扩张卷积空间金字塔模块;然后,在不同变化特征融合时,使用变化特征融合模块来控制信息传播以减少特征融合时的差异性;最后,使用门控机制,将不同尺度预测的变化特征图进行加权求和,最终产生具有高精度的变化特征图.本文方法不仅能获取多尺度变化特征,还能利用全局信息和精确的空间细节来提升预测特征图的空间精度.对比试验表明,本文方法在变化检测基准数据集CDD和LEVIR-CD上取得了较好的结果,召回率分别提高了6.58％和5.26％.
文献关键词：
变化检测;特征金字塔网络;多尺度特征;注意力融合;门控机制
中图分类号：
作者姓名：
梁哲恒;黎宵;邓鹏;盛森;姜福泉
作者机构：
广东南方数码科技股份有限公司,广东 广州 510665
文献出处：
引用格式：
[1]梁哲恒;黎宵;邓鹏;盛森;姜福泉-.融合多尺度特征注意力的遥感影像变化检测方法)[J].测绘学报,2022(05):668-676
A类：
LEVIR
B类：
多尺度特征注意力,遥感影像变化检测,深度学习技术,主流方法,一尺,现实场景,过关,多尺度融合,融合策略,尺度问题,特征金字塔网络,尺度特性,网络学习,不同尺度,感受野,全局特征,特征信息,特征提取网络,扩张卷积,空间金字塔模块,特征融合模块,控制信息,信息传播,门控机制,特征图,加权求和,多尺度变化,全局信息,检测基准,基准数据集,CDD,召回率,注意力融合
AB值：
0.332729
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。
